随着移动机器人与人工智能的不断发展,以移动机器人为主体的“货到人”搬运方式正逐步取代传统的“人到货”搬运方式。然而,目前“货到人”搬运方式中的移动机器人多采用以二维码、磁导线等为主的路标导航方式,路径灵活性差,同时路标系统的构建费时费力,难以适应“前置仓”模式下灵活多变的业务需求。此外,目前对仓储机器人的运动控制多采用传统的PID控制方式,无法应对负载变化和执行机构饱和、磨损等情况对机器人的运动控制可能产生的影响。对此,本文对“货到人”搬运方式下仓储移动机器人的环境地图构建问题和运动控制问题展开研究。主要研究内容与成果如下:（1）对仓储机器人的工艺流程、功能需求和技术需求进行分析。选择SLAM技术来构建环境地图,自适应控制技术解决仓储机器人在负载变化等情况下的运动控制问题,最后介绍仓储机器人平台的总体设计方案。（2）对仓储机器人的环境地图构建算法进行研究。建立了SLAM建图所需的里程计运动模型和激光雷达观测模型。对基于粒子滤波理论的Gmapping算法进行详细分析。并针对Gmapping算法环境适应能力差、建图精度不高问题,提出一种基于动态调整滤波粒子数的改进算法,并对改进过程进行了详细介绍,并在gazebo仿真平台中进行了验证。（3）对仓储机器人的自适应轨迹跟踪控制系统进行设计。详细介绍了自适应控制器的设计过程。研究移动机器人在考虑负载质量发生变化条件下的自适应控制算法,并且考虑了执行机构的饱和、死区问题。设计了自适应控制器并给出了自适应率,给出了自适应PID控制器,设计了李雅普诺夫函数,最终证明了系统的稳定性。并在matlab平台上进行了仿真验证。（4）对环境地图算法和自适应控制器的设计进行实验验证。以自主搭建的移动机器人作为实验平台,在室内搭建的真实场景中进行地图构建实验。进行Gmapping算法改进前后的对比实验,通过对实验数据进行对比分析可知,改进后的算法提高了环境地图的精度。然后进行了轨迹跟踪控制器性能测试实验,通过测试机器人跟踪轨迹的误差,从而论证轨迹跟踪控制器的有效性,分析实验数据能够得知在轨迹跟踪控制器作用下轨迹误差能够收敛到较小范围,因此验证了控制器的有效性。