随着人工智能和传感器技术的发展,移动机器人在仓储物流、家庭服务、教育科研等领域的应用越来越广泛,室内定位与路径规划技术是移动机器人应用于具体领域的重要基础。对于空间相对较小的室内场景,基于麦克纳姆轮的移动机器人可以全方向无约束地运动,具有良好的机动性和灵活性。因此,本文研究麦克纳姆轮结构移动机器人的室内定位和路径规划对移动机器人在室内场景下的应用具有重要的意义。本文的主要工作如下:首先搭建了麦克纳姆轮机器人底盘,分析了麦克纳姆轮底盘的运动学模型和航迹推算原理,并基于此使用STM32单片机作为机器人底盘控制器设计了麦克纳姆轮底盘控制系统,该底盘控制系统负责执行导航系统发送的控制指令。在室内地图构建和定位方面,介绍了基于激光SLAM（simultaneous localization and mapping）的Gmapping算法的原理,并使用该算法建立了实验场地的栅格地图。然后介绍了超宽带定位和自适应蒙特卡洛定位,针对传统自适应蒙特卡洛定位的不足,本文提出一种融合超宽带定位信息的改进自适应蒙特卡洛定位方案。经实验验证,引入超宽带定位信息后提高了自适应蒙特卡洛定位的精度,在机器人绑架场景下可以迅速恢复准确定位。对超宽带定位而言,与自适应蒙特卡洛定位结合后,在超宽带信号被障碍物遮挡时仍然可以得到比较准确的定位结果,提高了定位的稳定性。在路径规划方面,介绍了A*全局路径规划算法,并针对多机器人协同工作的场景提出了一种改进A*多机器人路径规划算法。该算法在机器人进行路径规划时考虑其他机器人已经规划好的路径信息,从而规划出与其他机器人不冲突的路径。仿真实验证明,与传统的A*算法相比该算法可以有效避免多个机器人路径冲突问题。然后介绍了Timed Elastic Band局部路径规划算法原理,并在仿真环境中测试了其避障的效果。最后在室内定位和路径规划研究的基础上搭建了导航实验平台,在真实场景下进行了静态避障导航实验和动态避障导航实验。实验证明,在导航系统的控制下,机器人能够在行进的过程中避障,顺利到达目标点,验证了本文的室内定位与路径规划研究在导航任务中的有效性。