近年来AGV（Automated Guided Vehicle,自动引导小车）的建图及导航技术取得快速发展,其关键技术主要包括同时定位与建图（Simultaneous Localization And Mapping,SLAM）技术及路径规划技术,以视觉特征为主的方法虽然能够有效检测三维点云,但在无光环境下无法工作,且存在观测范围有限、稳定性差等问题。以二维激光为主的导航避障方法已开始落地应用,但是其仍存在一些不足之处,例如其观测范围局限于某一平面,无法有效观测三维障碍物。针对以上问题,本文提出了融合深度相机、二维激光雷达及IMU的二维栅格地图构建方法,并通过深度相机与二维激光雷达的观测信息实现AGV动态路径规划。本文的主要研究内容如下:首先,针对二维激光SLAM建图信息不完整的问题,设计了多传感器信息融合的二维栅格地图构建方法。通过点云滤波法融合二维激光雷达与深度图像的数据,并将融合的数据构建激光扫描帧,使得局部地图中保留更丰富的障碍物信息,当构建好局部地图后,利用IMU数据对扫描帧数据进行运动去畸变,减少局部定位累计误差,同时使用扫描匹配法对局部地图的位姿进行修正。当检测到相似场景时,利用回环检测方式消除定位过程中的累计误差,并通过分支定界法加速全局扫描匹配。其次,针对AGV重定位时需要人工指定位姿的问题,提出了一种基于自适应蒙特卡罗算法的AGV重定位方法。在启动导航功能包时,进行自旋转,将传感器观测信息与地图进行匹配,使得AGV能够在地图中任意位置进行全局重定位,提高了AGV导航的智能性。然后,针对AGV导航算法搜索节点多、无法有效规避三维障碍物的问题,设计了一种基于改进A*算法与动态窗口法融合的AGV路径规划方法。使AGV根据父节点至目标点的障碍物比重自适应调节启发函数权重,减少A*算法搜索节点的数量,提升规划效率,同时二次优化全局路径拐点,使得全局路径最优。后续将全局路径拐点依次设为DWA算法的子终点,从而实现动态路径规划,并引入深度相机观测障碍物的距离信息,使得AGV有效规避场景中新增的三维障碍物。最后对AGV建图及导航避障系统的性能进行测试。通过制作的数据集验证系统的定位及建图精度,实验结果表明,本文算法能够在真实场景中实时构建二维栅格地图,且系统的定位精度均方根误差可达0.033m,建图精度可达2.52cm。在真实环境中进行导航避障实验验证,结果表明,相较于传统A*算法,本文改进A*算法的全局路径最优,且规划效率提升了1-3倍;相较于传统融合算法,本文改进融合算法的规划时间减少了53.39%,路径长度缩短了16.76%,且本文系统能够规避二维激光雷达无法检测的三维障碍物。