随着全球科技的不断进步,移动机器人技术已经不仅限于学术研究,开始渗入到各个领域,工业、医疗、军事、探险、家居等。智能机器人可以感知和识别周围的环境,并根据周围的环境进行自主学习、动态决策和规划。而机器人导航一直是移动机器人技术的基础问题,也是机器人研究领域的重要研究方向,机器人如果要实现自主导航,待解决的问题就是机器人自主定位、构图,并根据全部或者部分地图进行路径规划。本文主要利用RGB-D SLAM框架来实现机器人自主定位和构图,RGB-D SLAM框架可以由图像处理前端和位姿优化后端组成,在图像处理前端特征检测提取部分,由于Kinect相机获取的图像数据中的特征点经常带有外观噪声和深度噪声,导致特征点极其不稳定,传统基于点特征提取的方法会受到这些噪声的影响,针对这个问题,本文提出基于特征面提取方法,对生成的点云数据中先提取特征点平面,再通过灰度均衡化对图像纹理进行增强,并根据平面参数对特征点的深度值进行修正,减少深度噪声的影响,再从面上进行特征点提取;在特征匹配部分,由于传统匹配方法BF(暴力匹配)与FLANN(最近邻匹配)经常出现很多错误匹配,所以本文利用结合RANSAC的KNN剔除误匹配方法,通过KNN的两个条件先对特征点匹配对进行一次过滤后,再使用RANSAC方法进行误匹配过滤。在运动估计中,由于传统的ICP算法容易对初始值比较敏感,ICP算法容易陷入局部极小值,所以本文提出利用结合RANSAC的ICP算法对机器人的运动参数进行估计。机器人位姿优化部分,在闭环检测部分提出剔除错误闭环的策略,最终使用通用图优化库g2o对机器人构建的位姿图进行优化,完成机器人的自主定位和构图。在机器人路径规划部分,在传统A*算法基础上进行改进,将传统方法中机器人8方向搜索改进为16方向搜索,改进后的算法可以缩短机器人实际运行路线长度以及旋转角度总和,减少机器人运动消耗的能量,最终利用改进的A*算法进行全局规划,利用改进的动态A*算法进行局部路径规划。