目前巡检机器人已经被广泛地应用在石油管道站场、化工厂、变电站以及天然气站场等一些需要定期巡检的场合。这些应用场合大多数是开放的半结构化环境,其中可能布满各种大型油气罐、管道和立柱等设施,导致部分通道非常狭窄,限制了巡检机器人的通行。本文选择四轮滑动转向结构的轮式移动机器人作为载体,研究其在狭窄环境中基于激光雷达的导航技术。以天然气站场巡检为例,根据实际需求设计相应底盘的尺寸(0.8m×0.5m×0.7m)、选择驱动部件、搭建激光雷达和全球导航卫星系统(GNSS),完成巡检机器人的整体设计。为提高控制精度,对激光雷达和GNSS系统的坐标系进行了标定。根据站场的实际环境,模拟了三种狭窄通道:柱-柱通道、柱-面通道和面-面通道。应用激光雷达扫描当前环境,根据扫描数据的连续性获得潜在的通道,并结合机器人的运动方向确定要通过的通道。搜索通道两侧的最近点,并以此为参考建立通道内的局部坐标系,确定机器人在通道局部坐标系下的位姿。为提高机器人的定位精度,首先分析了目标距离对定位精度的影响,然后应用了扩展卡尔曼滤波算法。考虑到巡检机器人在空旷环境中可能会采用GNSS进行导航,设计了融合激光雷达定位信息和GNSS信息的联邦滤波器。结合巡检机器人在站场中的运动模式,分析了机器人在极坐标系下的三种运动控制模式:点对点运动控制、直线跟踪运动控制和一般曲线跟踪运动控制,用SIMULINK仿真验证了三种运动控制算法的有效性。为了进一步提高巡检机器人在狭窄环境中的运动控制精度,在运动控制模型中引入了航向预估控制算法。仿真结果验证了基于航向预估控制算法相对于单一的PID算法在不同运动速度下有更好的适应性,且控制过程更为平滑,减少了超调的现象。设计相应的实验,验证了巡检机器人点对点的运动控制和基于航向预估控制算法的有效性。进一步地,分析了机器人通过面-面通道时的精度。实验结果显示当巡检机器人速度为0.2m/s时,巡检机器人在通道内的定位误差为0.04m,控制航向角最大偏差为5度,能顺利通过0.6m宽的通道。