机器人的应用场景越来越复杂,过去的导航技术存在迟钝和错误决策等问题,需要提出新思路。未知环境下,因障碍物过大、行人或传感器等原因,机器人不一定能确定障碍大小,路径规划会遇到困难。根据过去的一些路径规划算法^[5-8],我们发现这些算法遇到特殊形状的障碍物或者行人时,机器人避障会存在反应慢、不作为或乱跑等情况。另一个问题是在完全已知的环境中,移动机器人在实际应用时导航点远远不止一两个,无法保证机器人在所有导航点运动的运动路线为最优。针对上述问题,本文提出未知环境下基于行为的移动机器人导航系统和已知地图下基于遗传算法的多点导航系统。未知环境下设置行为库来满足导航需要,包括朝着目标直行、沿着墙走、不安全距离避障、避让行人等四种行为;已知地图下结合遗传算法、A^*算法和DWA算法获取多点导航最优路径。本文主要工作有如下几方面:（1）根据激光雷达扫描的环境信息和轮子编码器值,引入蒙特卡罗算法获取机器人准确的位姿估计;（2）未知环境下,根据激光雷达扫描的环境信息,对机器人周围环境进行分析后选择合适的行为进行运动;（3）使用遗传算法规划多个导航点的运动顺序,采用A^*算法全局规划两导航点间的路径,采用DWA算法局部规划路径,对行人或机器人不能通过的区域进行分析,在满足全局路径的同时进行局部规划;（4）针对未知环境下的导航系统和已知地图下的导航系统,设计相应的机器人运动模型。基于上述方法,本文在仿真环境下多次实验了未知环境下机器人导航的路径规划效果和已有地图下机器人导航的多点导航效果,其中后者在真实环境下利用自主研发的移动机器人平台进行了多次实验,实验结果验证了未知环境下基于行为的机器人导航系统和已知地图下基于遗传算法的多点导航系统的有效性,对移动机器人导航技术研究具有一定的理论意义和应用价值。