定位与路径规划是月球车导航的两个重要问题。月球车要实现在月面环境下自主导航首先必须时时刻刻清楚自己的位置,之后能根据当前环境规划出一条合理的路径。因此本文围绕着基于立体视觉传感器的月球车在定位和路径规划两个方面进行了研究。当机器人在环境中运动时,需要明确自己当前的位置,不知道自己的位置,移动机器人的任何自主运动都是盲目的。所以,在本文的第二章,分析了机器人的运动学模型,通过编码器的读数计算在理想情况下移动机器人的位置和方向。当然这种方法得出的结果其定位误差随着机器人运动距离的加大也越来越大。为了纠正里程计的定位误差,本文采用了迭代近邻点(ICP)算法。为了保证实时性但又具有良好的定位结果,重点做了两个方面的改进。首先是迭代点的数目:为了减少迭代点的数量但又不降低迭代的质量,采用了基于扫描线的逼近方法检测出环境中的边缘点,由于边缘点集中的对应关系较易确定,故减少了错误的匹配。其次是迭代过程中的匹配搜索,由于ICP算法主要的时间花费在匹配搜索上,有必要加速搜索的过程,采用基于KD(K=3)树的快速搜索算法,可在O ( log 2N )的时间内查找到最近邻的边缘点。最后的试验验证了该法具有较好的实时性和精确性。路径规划是月球车导航中的最重要的任务之一。它是按照某一优化指标规划出一条从起始状态到目标状态的最优或者近似最优的无碰路径。本文提出了基于膨胀栅格的距离向量直方图法,用来解决移动机器人的路径规划问题。考虑到传感器测量的不确定性和机器人的大小,在已经创建的栅格地图上对探测到的每个障碍物栅格点膨胀,接着建立局部的距离向量直方图,对向量直方图表示的障碍物进行分割,分离出各个单一的障碍物,设定一个最小避障距离来判断避障区和自由行走区,最后根据目标的方向选择一个自由行走区间作为机器人当前运动方向。试验证明它在未知复杂的环境下,扩展了机器人运动方向的选择能力,可以实时规划出较好的路径。本文最后归纳总结了全文内容,并指出了须进一步研究的内容和方向。