动物身上展现出强大的空间认知能力,在缺少足够先验信息和精确坐标信息的情况下能够利用自身器官或者生物特性功能在环境中实现自我定位。承担动物环境认知与记忆功能任务的是大脑皮层中的海马体（Hippocampal formation）结构,鼠类动物依靠海马体中的神经元细胞在脑中生成认知地图,重现周围的环境格局。随着位置细胞、头朝向细胞、网格细胞、边界细胞等空间细胞的发现,越来越多的研究者尝试通过模拟鼠脑空间认知机理来实现移动机器人仿生导航方法。本文在RatSLAM方法的理论基础上开展提升建图精度的方法和优化路径规划方法的研究,针对RatSLAM方法中绝对差和匹配方法的误差大、建图结果易受环境变化影响等问题,从图像处理和仿生角度出发,研究降低光照变化对系统影响的方法,并基于优化后的地图研究仿生路径规划方法。研究内容分为基于生物视觉特性方法改善建图效果、基于情景认知地图完成路径规划、基于路径连通性网络优化路径规划和基于改进方法进行的实验验证四个部分。具体工作如下:首先,系统地通过结构框图、相互关系研究RatSLAM方法中位姿细胞、视觉里程计、局部视图细胞、经验地图等模块的算法原理,分析RatSLAM存在的闭环检测错误、视觉模板误匹配,系统环境适应性差等问题。其次,提出具有生物视觉特性的HSI（Hue,Saturation,Intensity）色彩空间改进RatSLAM方法,分别采用同态滤波和引导滤波处理图像的亮度和饱和度特征,提升图像的质量以及视觉模板匹配的准确度。再次,融合情景记忆与RatSLAM方法,在情景记忆产生的情景事件与RatSLAM的视觉模板之间建立一一对应的关系,生成用于路径规划的情景认知地图,利用具有神经元特征的路径连通性网络来更新情景认知地图并进行路径规划。最后,搭建实验平台、采集实验数据,从图像处理方面分析基于HSI色彩空间的图像匹配结果,从视觉模板误匹配数量、经验地图的精确性方面对比分析基于HSI色彩空间的RatSLAM方法,从规划的路径长度方面对比分析融入路径连通性模型的路径规划方法。实验结果表明基于HSI色彩空间的RatSLAM方法提升了系统的环境适应性、改善了建图效果,基于路径连通性的情景记忆路径规划方法丰富了情景认知地图的信息量,优化了路径规划结果。