在移动机器人导航中，传感器是机器人获取外界环境信息的唯一渠道。对于传感器获取的环境信息，不仅仅需要合理存储，还需要通过分析，提取有效的、必要的导航信息，建立合理表达结构，以完成导航的基本任务——路径规划。　　 本文通过模拟人类对环境信息表达习惯，建立移动机器人在导航过程中环境信息表达体系——基于环境特征的凸多边形剖分层次认知地图;并在此基础上，借鉴人类自身导航经验，提出了基于方向关系模型的A*路径规划算法以及不确定信息下基于方向优先级的路径规划算法。主要的研究工作如下:　　 (1)人类对环境信息的描述和记忆基本依赖于环境特征，这种基于环境特征信息的表达可以有效减少环境冗余信息。借鉴这种基于环境特征的表达方式，为有效识别环境特征，本文针对机器人配备的声纳传感器，采用支持向量机算法，构造出可识别典型环境特征的支持向量机分类器，并针对每一种环境特征，提出位置估计方法。　　 (2)人们习惯描述某地理位置于某一区域内，而非具体位置坐标，这种区域化、层次化的表述方式既提供了位置信息的有效范围，又强调了其与周边环境的拓扑关系或方向关系，减少了对度量信息精准性的依赖。借鉴这种区域化、层次化环境信息表达方式，本文提出了一种基于凸多边形剖分的层次认知地图:针对位置信息不确定的环境特征，构建环境特征的高斯分布模型，从而建立了认知地图的特征度量层;提出一种结构化环境下凸多边形剖分算法，根据环境特征进行凸多边形剖分，从而构建认知地图的凸多边形剖分层;提出一种对凸多边形剖分分层算法，按照Room层定义准则，对凸多边形剖分块进行组合，构建Room层。　　 (3)人类自身导航过程中，能仅根据目标点及周围环境特征的方位关系，推理获得一条安全的最优或次优路径，特别地，人总会尽可能选择偏向目标点的方向前进。借鉴这种基于方向信息的路径规划经验，本文提出了方向关系模型，建立了对剖分块之间方位关系的定性表达。将量化的剖分块方位关系作为启发信息，结合传统A*图搜索算法，建立基于方向关系模型的A*路径规划算法。仿真实验表明该算法较传统的A*算法，时间性能得到优化，搜索空间得以减少。针对环境信息不确定的情况，构建剖分块方向优先级，应用到Dijkstra图搜索算法中，形成基于方向优先级的路径规划算法。仿真实验表明该算法能够在不确定环境信息下生成安全路径，并且具有一定的误差容忍度，降低了机器人对信息精度的要求，提高了机器人导航的鲁棒性。