面对快递行业爆发式增长所带来的诸多困境以及社会人口结构的压力,智能物流的发展被认为是解决行业问题的必然趋势。在智能物流系统中,仓储物流机器人扮演着重要角色。一方面国内人口红利消退,另一方面机器人可长时间连续工作,效率和精准程度均高于人类,使得“机器换人”步伐进一步加快。移动机器人是自动化运输搬运的重要工具,可协助生产线上下料搬运、车间仓库转运入库、装配,被广泛应用于制造、物流、服务等领域,发展前景广阔。在移动机器人当中,自动导引车系统(AGV Automated Guided Vehicle)长期以来被作为内部运输作业自动化的主要解决方案。但是AGV的车载智能性极低,仅能服从简单的编程指令。通常AGV仅限于几种固定路线,遵循一条整合到工厂设施中的固定路线。其具体应用有限,只能执行单一运输任务。后期改造,成本高、效益低。对于AGV所存在的诸多问题,更为精细、灵活且更具成本效益的自主移动机器人(AMR Automated Mobile Robot)技术给仓储物流带来了新的解决方案在地面自主移动机器人的发展过程中,自主定位导航技术被认为是实现地面可移动机器人的第一步。自主定位导航技术主要包括自主定位、建图、运动规划三个方面。其中定位与地图创建是同时进行的,因此被称为即时定位与地图构建,即SLAM(simultaneous localization and mapping)问题。SLAM问题发展到现在,相关理论已经具有了一定的成熟度,但在实际应用中问题却相当复杂。SLAM本身只是一个方法,也是一种技术,它现在可以被应用到各个领域,但是它必须跟具体的应用场景结合才能发挥它的价值。脱离实际应用场景谈SLAM技术意义是不大的。只有搞清楚目标应用,发掘实际问题,才能去研究如何改进SLAM系统。因此,文章侧重点并不是从SLAM理论的角度去研究,而是以实际问题为导向,解决工程实际问题。在过往的研究和应用中,自主移动机器人(AMR)多以双轮差速模型为主。双轮差速模型仅具有X轴方向的平移和绕Z轴转动两个方向的自由度。在一些单一空旷的应用环境中可以满足用户的需要,但面对日趋复杂的应用环境,双轮差速模型就不足以适应应用现场中的各种工况环境。全向移动底盘以其天然的敏捷性和灵活性,在现代制造业环境下的应用中具有独特的优势。因此,文章将着力于基于全向移动底盘机器人的SLAM问题研究。文章分别从基于全向移动底盘里程计模型建立、里程计模型矫正、激光雷达数的矫正、前端匹配算法、基于图优化的SLAM方法、以及基于栅格的地图构建等方面共同搭建起了基于全向移动底盘机器人的定位与建图的系统框架,最后通过具体实验平台对系统进行验证,结果表明符合将理论工程化的思路要求。