室内移动机器人具有移动性强、易操作性和适应性强等诸多优点,并随着机器人技术的快速发展,已慢慢融入到我们生活中的各个方面,比如居家清洁的扫地机器人以及搬运货物的仓库机器人。室内导航定位和室内路径规划是室内移动机器人功能实现的关键,也是本文研究的主要内容。本文从导航定位精度和实现成本对比了不同的室内导航定位算法,选用并重点研究了室内Wi Fi定位。为满足在不同的室内环境中实现导航定位,本文分析了多种室内无线通信信道模型,作为后续的室内Wi Fi定位研究的基础。室内Wi FI定位主要分为两个阶段:测距阶段和定位阶段。针对测距阶段中移动机器人接受的RSSI波动大的问题,从数据处理的角度分别利用五点三次平滑法、一次平均法和二次平均法进行处理,有效地减小了RSSI的波动。在定位阶段中,研究了五种不同的定位算法,并进行了不同定位算法的仿真测试和比较分析,结果表明效果最好的三点定位法可达到2m以内的定位精度。为了进一步提高室内导航定位精度,本文采用了IMU/Wi Fi组合导航定位方案。基于卡尔曼滤波,设计了IMU/Wi Fi的松组合导航定位算法和紧组合导航定位算法,并用仿真试验表明了组合导航定位算法在室内导航定位精度上有了较大地提升。室内路径规划是室内移动机器人的另一个关键技术。本文分析对比了不同的路径规划算法,重点研究了人工势场法,并针对人工势场法在室内路径规划中存在局部最小值的问题,设计了结合A-star算法的改进算法。在不同的仿真环境中进行了仿真测试,表明了改进算法在室内路径规划中可有效地避免局部最小值。为提高移动机器人在室内环境中的自学习能力,本文在路径规划算法中结合了强化学习方法。针对Q-learning算法存在收敛次数多收敛速度慢的问题,将引力势场作为Q表初始值,并结合环境陷阱搜索,设计了一种基于改进Q-learning的室内路径规划算法。本文通过搭建不同的室内仿真环境,完成了对改进前后的Q-learning算法的室内路径规划仿真测试和比较分析,结果表明改进的Q-learning算法在收敛次数和收敛速度上均有了较大的提升。最后,将本文所研究的室内导航定位算法和室内路径规划算法进行整理融合,在不同的室内场景进行了系统综合仿真实验,验证了所研究的室内导航定位算法和室内路径规划算法的有效性和实用性。