机器人是一种集环境感知、行为决策、运动控制于一体的综合系统。随着社会的发展,机器人已经进入人类生活的许多方面,例如扫地机器人、服务机器人、无人机、无人驾驶汽车等等。室内移动机器人,如服务机器人常常需要在复杂多变的环境中,完全自主地从任意起点安全地移动到任一可达目标点,并完成相应的任务。因此,自主导航是室内移动机器人必须具备的功能。本文以ActivMedia公司的的机器人仿真平台MobileSim和Robot Operating System(ROS)作为研究平台,首先研究了移动机器人在室内环境的同步定位与地图构建问题,然后在构建好的栅格地图上实现移动机器人的路径规划,并结合复合非线性控制(Composite Nonlinear Feedback,CNF)方法设计的移动机器人反馈控制器。本文的主要研究工作可分为以下三个部分:第一:环境建模模块。本文以基于扩展卡尔曼滤波的同步定位与地图构建方法(Extend Kalman Filter-Simultaneous Localization and Mapping,EKF-SLAM)对室内环境进行建模。首先介绍了扩展卡尔曼滤波器的数学原理,以及EKF-SLAM的数学推导。针对激光传感器的点云信息以及实际室内环境中存在的各类线特征(墙壁和桌子等),提出了用随机抽样一致算法(Random Sample Consensus,RANSAC)算法从点云信息提取直线作为EKF定位过程中的路标,以获得机器人相对准确的位置,结合传感器信息构建栅格地图。第二:路径规划模块。首先基于环境建模模块获得的栅格地图,利用A*算法获得静态环境的全局最优路径;然后融合动态窗口法(Dynamic Window Approach,DWA),构造与全局最优路径相关的代价函数,基于该代价函数,应用动态窗口法进行实时动态路径规划,可以得到平滑的路径并实现实时动态避障,同时又能保证规划路径全局最优性。而且能直接输出控制参数(线速度与角速度),利于机器人的运动控制。第三:运动控制模块。在最底层,我们需要设计一个控制器,确保机器人能沿路径规划模块规划的路径行驶(即实现轨迹跟踪)。本文先将轨迹跟踪问题转化为leader-follower问题,进而转化为输出调节问题,我们利用复合非线性反馈控制器来解决该输出调节问题,使机器人实现轨迹跟踪。