机器人在未知环境中的自主导航一直是研究领域的热点和难点问题,定位与环境地图的建立（Simultaneous Localization and Mapping,SLAM）、路径规划等技术是自主移动机器人实现自主导航的关键。本论文选用单线激光雷达的履带式机器人为研究对象,选用机器人操作系统ROS为软件系统,研究了机器人的定位和路径规划算法,并进行了充分的实验验证和分析。全文工作内容如下:对自主移动机器人定位进行研究,首先分析了SLAM的基本理论与地图表示的方法。在机器人定位过程中,由于传感器存在噪声干扰,严重影响机器人定位精度,针对此类问题,详细分析了两种位姿估计方法:基于扩展卡尔曼滤波和基于粒子滤波的定位方法,扩展卡尔曼滤波器融合里程计和激光雷达定位信息,通过不断的预测与更新,预估机器人的位姿;基于粒子滤波定位方法是使用统计方法来描述整个空间的概率分布,通过重采样,计算粒子权重,选择权重最大的粒子作为该时间点机器人的位姿。对两种方法进行建模与仿真实验,分析了两种算法的优缺点。对基于已知地图的路径规划算法进行研究,分析了两种经典的全局规划算法-Dijkstra算法和A*算法的原理,A*算法因引入启发式评价函数,导致过早删除路网环境中的路径节点,不能确保每次规划的路径为最优路径,针对此类问题,本文提出改进A*算法,在A*算法生成的路径中,判断两点之间是否存在障碍物,利用分段线性插值的方法剔除一部分A*算法中产生的冗余节点,生成更优路径,并用MATLAB仿真证明了改进的A*算法生成的全局路径更优。采用动态窗口算法（Dynamic Windows Approach,DWA）作为局部路径规划算法。借用ROS操作系统,在Gazebo软件中实现路径规划仿真,结果表明:动态窗口算法与改进的A*算法能正确规划路径。设计了履带机器人自主导航实验,验证定位和路径规划算法的有效性,并对实验结果做出了分析。整个自主导航实验过程分为两个步骤,首先通过Gmapping算法对真实的室内环境建立地图模型,验证定位与地图建立的有效性;然后基于已知地图对改进的A*算法与动态窗口算法进行路径规划实验,结果表明:在真实环境下该算法能正确规划路径。