随着机器人行业的快速发展,其中关于智能移动机器人的研究更是一个热门方向。即时定位与地图构建（Simultaneous Localization and Mapping,SLAM）关键技术得到了广泛关注,智能移动机器人涉及的市场领域也变得越来越广且应用场景愈加复杂,并且地图构建和路径规划的精度、鲁棒性和制造成本等方面提出了新的要求。根据如今智能移动机器人导航系统的要求,针对机器人定位与建图和自主导航两个技术部分开展研究讨论,在降低成本、改善精度的前提下,面对单线激光建图在地图完备性和精度方面不足以及全局路径规划算法中规划路径折点较多、搜索效率低、路径不平滑的问题,本文进行了相关技术问题的讨论与改进工作,主要研究内容如下:基于机器人操作系统（ROS）搭建移动机器人SLAM及导航系统,软件功能构成模块主要包括多传感器数据的融合里程计、SLAM融合建图以及导航算法;硬件方面,将底盘状态检测、深度相机和激光雷达等传感器按照各自接口协议与主控机建立通信,并标定传感器的内参和各传感器之间的外参。针对传统EKF算法在估计机器人位置精度欠佳以及单线激光雷达的传统建图方式在精度和地图完整性上存在不足的问题,提出一种以多源数据实现创建融合栅格地图的方法。首先利用误差状态卡尔曼滤波（ESKF）算法将惯性测量单元（IMU）与轮式编码器的组合数据中添加视觉里程计（VO）输出的位姿信息进行校正,并将ESKF滤波后的融合位姿作为建图线程中里程计的输入,与传统EKF滤波方式输出的里程计数据相比,该方法在位置与旋转数据上的均方根误差（RMSE）分别下降了79.03%、52.12%;接着使用贝叶斯估计的思想将激光雷达和深度相机（伪激光数据）分别构建的局部栅格进行逐帧融合,最终生成融合后全局地图。实验结果表明,融合地图与实际环境中的对应参考点在x与y方向的RMSE比传统单线激光建图方案分别下降了54.66%、57.39%,有效提高了地图的精度和丰富性。针对移动机器人自主导航时规划算法搜索效率较低,安全性较差的问题,本文采用一种改进A*算法并结合动态窗口法实现移动机器人的自主导航算法。在A*算法的算法框架中加入跳点策略使A*算法可以高效快速地完成全局规划,并利用全局路径中的折点使用五阶贝塞尔曲线在相邻折点之间生成一条新的具有一定曲率、路径相对较短的局部路径,当遇到动态或者未知障碍物时,动态窗口法会根据扫描到的未知环境信息完成局部避障,完成动态避障后,再沿着全局规划的路径继续完成后续导航工作。实验结果说明,该改进算法在搜索效率以及轨迹平滑性上有较大改善,面对动态或未知障碍物时也有着相对可靠、稳定的避障能力。