定位与导航一直是机器人领域重要的研究方向。SLAM作为目前主流的定位与导航算法仍需要大量计算资源才能实现。但是对于任何一种生物来讲,哪怕是只有302个神经元的线虫,都能利用自身气味感觉导航系统精确地找到食物。高等动物更是进化出了更为复杂的导航系统,生理学研究表明像老鼠这样高等哺乳动物脑内的海马体(hippocampus)是空间认知的核心脑区,在生物认知地图的构建以及导航方面有着重要作用。本文的主要工作是基于海马体生理学结构和神经行为学表现进行仿真建模,模拟出其神经元放电现象,根据放电现象构建出仿生认知地图并实现面向目标导航。主要研究工作包括:(1)在RATSLAM基础上提出了一种能够模拟海马体生理放电现象的细胞模型结构。目前的研究表明在海马结构中与导航相关的主要有四种细胞:头朝向细胞、条纹细胞、网格细胞和位置细胞。本文根据各细胞的放电特性以及其脑区内信息投射关系进行数学建模,复现各细胞在脑区内的放电现象以及信息传递机制。将速率与角速度作为模型的输入,头朝向细胞对角速度进行编码,头朝向细胞输出与速率信号同时输入到条纹细胞,条纹细胞使用一维连续吸引子模型形成对当前位置的进行路径积分,形成条纹细胞放电野。条纹细胞的放电信号同时驱动下游由二维连续吸引子模型构成的不同尺寸的网格细胞形成网格细胞网格野。不同尺寸网格细胞族的放电活动通过一个高斯竞争模型,形成单一放电的位置细胞放电野,该放电野与现实物理世界位置点一一对应。该数学模型仿真结果能够很好地对路径进行积分,同时也模拟了各空间细胞的放电特点。(2)提出一种半拓扑结构的认知地图,包含RGB-D视觉信息、生物放电信息以及各个节点之间的关联信息。与RATSLAM不同的是,本文使用3D相机进行视觉采集,弥补了光照对闭环点检测的影响。同时每个认知节点都会储存下当前视界内的颜色信息以及对应深度信息。在进行闭环点检测时使用FAST算法进行图像特征点的提取,然后通过SURF算法描述特征点生成特征向量进行粗匹配,再利用特征点的3D信息消除误匹配点。当成功检测到闭环点时,校正空间细胞路径积分的误差,重置之前空间细胞的活动状态。(3)提出一种基于该认知地图的路径规划算法。结合认知地图包含位置细胞群编码信息、视觉信息以及位置之间拓扑关系的特点,提出一种改进型的Dijkstra算法。通过分析将每个节点中的各类信息与目标朝向物理距离加权求和对算法进行改进,得到一条物理距离最短特征信息最多的全局路径。局部导航再根据拐点的个数,找到拐点周围特征最丰富的节点为局部导航的终点,通过FAST图像特征点提取,对比两帧之间平移矩阵和旋转矩阵,进行误差修正。这样将全局导航分割成多段,进行局部导航,可以减少持续导航中的累计误差。局部导航的具体实现,采用比较成熟的动态窗口法,经验证此方法可有效的避开静态和动态障碍物,快速到达目标点。