机器人定位与路径规划是室内移动机器人自主移动的基础,移动机器人使用多传感器信息融合技术估计自身位姿,通过局部路径规划完成未知环境导航,在此过程中获取相应的环境信息,从而在机器人大脑中逐渐构建出环境地图,在已创建地图的基础上进行全局路径规划,最终实现移动机器人最优路径导航。超宽带(Ultra-Wide Band,UWB)具有良好的通信性能,超宽带定位是一种近几年兴起的室内无线定位技术,拥有其他室内定位方法无法比拟的定位优势。本文在超宽带定位的基础上,进行了移动机器人位姿估计、未知环境下机器人路径规划、机器人室内地图构建与全局路径规划一系列问题的研究,目的是实现机器人稳定自主导航,旨在构建一套能够用于实际环境导航的机器人系统。主要研究工作如下:(1)基于超宽带室内定位的移动机器人位姿估计针对室内环境下移动机器人的位姿获取问题进行了研究,首先搭建了基于超宽带的室内定位系统,通过飞行时间测距(Time of Flight,TOF)算法测量标签节点到锚节点的距离,再运用三边定位算法计算得到标签节点的位置。其次对于传统单一定位存在精度低、累计误差等问题,提出一种融合超宽带、陀螺仪、编码器的多传感器信息融合算法(Multi-sensor information fusion based on UWB,Gyroscope and Odometer,UGO_Fusion),以提高对移动机器人位置和偏航角精度的估计。最后设计了两组实验验证了该算法的可靠性,实验结果表明,该算法既能抑制机器人自带传感器(陀螺仪和编码器)误差的累计,同时能够提高超宽带的定位精度,为移动机器人提供了相对准确的位姿。(2)未知环境下移动机器人局部试探路径规划算法针对传统局部路径规划算法易陷入局部极小点的问题,提出了一种机器人局部试探(Local Probe,LP)路径规划算法,首先对室内环境栅格化处理,得到问题的状态空间,随后设计了相应的启发式函数,对机器人陷入局部极小区域的问题进行了研究并给出了相应的策略。然后设置了三种典型的仿真实验场景,仿真实验表明该算法总能够帮助机器人找到全局目标点,在多数情况下,该算法的性能都优于对比的人工势场法。最后设置了相应的物理实验,在实际场景下运用该算法实现了移动机器人不依赖环境地图从起点到目标点的导航。(3)基于栅格自组织神经网络的室内拓扑地图构建针对自组织神经网络构建室内拓扑地图过程中样本集获取困难的问题,提出一种基于栅格自组织神经网络的室内拓扑地图构建方法(Grid Self-Organizing Map,Grid_SOM),首先利用占据栅格地图构图方法构建出室内的栅格地图,随后对栅格地图进行膨胀处理,接着将栅格地图中未被占据的栅格点的坐标作为训练自组织神经网络的样本集,相比于采集机器人的位置作为样本集而言提高了样本点获取速度,从而提高了自组织神经网络构图的效率,通过仿真实验和物理实验验证该算法的可行性。在已创建的拓扑地图的基础上,基于A*设计了Grid_SOM图的全局路径规划算法(Grid_SOM_A_star),用于规划一条从起点到目标点的近似最优路径。最后设计了路径跟踪算法,通过仿真场景和真实场景实验实现了机器人基于拓扑地图的最优路径导航。