移动机器人导航是机器人研究领域中的重要课题,在移动机器人与人类生活日益密切的今天发挥着重要的作用。对环境有准确的认知和精确的定位是移动机器人自主导航的基础,而同时定位与地图构建就是解决移动机器人定位与环境地图模型构建问题。本文针对这一问题对同时定位与地图构建中的数据关联问题进行了深入研究,同时深入研究了自主环境探索与建图问题,通过快速前沿检测算法进行自主环境探索并渐进构建环境地图。除了定位和地图构建,移动机器人自主导航完成特定导航任务还需能够自主运动规划,针对这一问题本文对基于深度双Q学习的移动机器人自主运动规划进行了深入研究。主要研究内容如下:1、数据关联(Data Association)是移动机器人同时定位与地图构建中状态估计的前提和基础,本章针对JCBB数据关联算法中存在的关联误匹配和计算复杂度高等问题,提出了一种基于高斯混合聚类的优化数据关联算法。首先根据机器人所携带传感器的感知能力确定关联区域;然后采用高斯混合聚类对观测特征进行自适应聚类分组;最后结合关联误配优化方法进行关联匹配。2、针对移动机器人自主探索与建图问题提出了一种基于快速前沿检测的移动机器人环境探索与建图方法。首先对机器人感知范围内的环境信息进行提取处理构建栅格地图,然后通过快速前沿检测算法检测环境中存在的前沿点并提取候选前沿点,综合考虑机器人导航路径代价和候选前沿点可获得的信息增益选取最佳候选前沿点,最后根据A*算法移动到最佳候选前沿点并更新栅格地图。机器人不断重复上述过程直到完成对整个环境空间的探索,构建完整的环境栅格地图。3、针对移动机器人运动规划问题提出了一种基于深度双Q学习的移动机器人运动规划算法。该算法包括环境信息感知处理层和动作决策控制层两部分。首先获得自身栅格状态和传感器感知环境信息,然后根据深度神经网络对这些信息进行处理,接着进行动作决策并控制机器人完成相应的动作,同时在机器人状态转移的过程中获得奖励,最后进行网络参数的更新进行动作的优化从而完成导航任务。