移动机器人的自主性和智能化是智能物流的重要实现技术。移动机器人精确的自定位和环境识别是其自主性和智能化的基础,因此路径规划和同时定位与地图构建(SLAM,Simultaneous Localization and Mapping)是移动机器人研究的重要课题。本文使用里程计和激光雷达作为自主搭建机器人Robot-BX的主要传感器,围绕路径规划和同时定位与构图两个方面展开基础性研究。首先,路径规划方法研究。针对传统D*算法在实际应用中,在全局路径拐点处距离内侧障碍物膨胀区太近,易使机器人进入地图膨胀区甚至撞到障碍物等问题,利用分裂-合并法对全局路径的拐点进行重新规划,将原来的拐点路径外挪一定的距离,实验证明改进后的D*算法显著提高了机器人在拐点处的自主避障性能。其次,同时定位与构图方法研究。建立了 SLAM问题数学模型,对基于概率估计方法的SLAM问题解决方案进行了理论分析和研究。对gmapping算法进行了在未知环境中地图构建和导航的仿真实验,从重采样阈值因子选取和重采样策略两方面对gmapping算法定位精度和计算复杂度的影响进行研究,建立了阈值因子k与算法计算复杂度之间的函数模型,研究发现阈值因子k在0.5附近时算法的定位精度是最高的,算法的计算复杂度随阈值因子k的增大而增长;系统重采样策略无论是在算法定位精度还是在计算复杂度上,都优于多项式重采样策略。最后,在实验室自主搭建的移动机器人Robot-BX上对改进的D*算法和传统的D*算法进行了路径规划对比实验,结果证明了改进D*算法的实用性。应用gmapping算法在Robot-BX平台上进行了定位和构图实验,实验结果证明了所研究算法的实用性,以及所研究内容的工程实用意义。