移动机器人是人类步进智能化社会的重要产物,集多学科为一体的智能体,随着社会生产力的发展,移动机器人广泛应用到各个领域。一方面,以实现多传感器有效融合来使机器人适用于多种复杂场景,是移动机器人走向智能化的必要前提,另一方面,实现自主导航更是移动机器人自主化完成任务的基础。本课题以移动机器人为实验平台,展开对里程计、IMU和激光雷达不同传感器运动模型,以及点云匹配、地图构建和传感器融合关键技术研究与应用。通过对Cartographer融合多传感器技术进行深入研究并改进,最后根据现有的移动机器人局部和全局路径规划算法进行研究和优化。针对运动模型和感知模型,首先,研究二轮差分运动、激光雷达概率分布、IMU预积分模型定位原理,接着分别利用最小二乘法、闭式求解和分立式方法进行对传感器内外参数标定实验;针对机器人SLAM关键点,主要分为点云匹配技术、回环优化和地图构建。地图构建技术主要针对栅格地图构建方法进行展开,利用到的技术有覆盖栅格构图模型、计数栅格构图模型和TSDF栅格构图模型。点云匹配技术介绍了调用PCL-Library的ICP、NDT和手写ICP方法,并进行算法检测和误差对比实验;在导航系统研究方面,对于全局路线规划,研究了Dijkstra算法和原始A*算法,接着对传统A*算法优化,并且进行MATLAB效果对比实验。对于局部路径规划,通过对DWA算法进行调参与实验效果比较,验证不同参数设置对机器人路径规划算法的影响;算法改进方面,主要从Cartographer算法的优化端、分布系统设计和增强数据融合对点云去畸变的三个方面进行改进和优化。最后为了验证改进的Cartographer算法的有效性,首先进行基于Gazebo平台仿真实验,接着在实物测试比较构图效果,并且加入了Gmapping算法进行比较。同时为了验证融合多传感器的有效性,设计实验在同一环境下,同一次运行内,可根据实验要求选择性添加不同传感器信息,进行建图效果对比,不仅降低无关变量的干扰,而且增强算法可比性。