近年来,由于科技进步的发展,各类机器人开始进入各个领域帮助完成各类任务,比如危险环境下的各种勘测机器人,工业环境下的码垛机器人等。机器人事业的蓬勃发展改善了人们的生活环境,在人类的日常生活中起到越来越重要的作用。而同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术和路径规划(Path Planning)作为实现移动机器人自主导航能力的关键,具有十分深远的研究意义。本文基于二维激光雷达作为机器人室内观测系统,分别对SLAM技术与路径规划技术进行理论研究与仿真实验,使用机器人操作系统(Robot Operation System,ROS)设计了一款低成本基于激光雷达的SLAM与路径规划系统,该系统可以高精度的完成建图,满足室内环境下的避障与路径规划。首先,对本文所建立的运动学模型以及环境地图模型进行介绍,对比分析了激光雷达的两种测距数学模型,并选用似然场模型作为本文激光雷达的测距模型,针对机器人系统,研究分析了坐标转换以及栅格地图的构建算法。然后,主要对基于粒子滤波的SLAM进行了理论研究。并对本文提出的基于量子粒子群优化(Quantum Particle Swarm Optimization,QPSO)的SLAM方法进行了理论推导,并通过MATLAB仿真分析,并与传统的粒子滤波方法,FAST_SLAM进行位姿与特征点误差对比,证明提出算法的优越性,并对激光SLAM回环检测技术进行了研究,提出了加入延时决策算法来改善机器人回环检测技术。其次,主要对机器人路径规划算法进行研究,分为全局路径规划与局部路径规划两部分。对传统的全局路径规划算法Dijkstra算法和A*算法进行对比分析,并通过MATLAB仿真分析两种方法基于的优先搜索策略,并对基于遗传算法的路径规划流程进行推导说明,并且通过MATLAB分析其参数对路径平滑度的影响,最后对动态窗口法(Dynamic Window Approach,DWA)局部路径规划算法进行推导,并仿真分析其结果。最后,从硬件与软件两个方面说明了搭建机器人整体框架,并且以搭建的机器人作为测试平台,对机器人的SLAM、路径规划功能进行实际测试。将本文提出的QPSOSLAM方法移植到机器人平台,并与传统的两种基于粒子滤波的SLAM方式进行对比,证明本文算法的鲁棒性与高效性。之后测试机器人的路径规划功能,通过RVIZ工具实时查看机器人的避障以及行驶情况,并对所有测试结果进行分析。