如今,越来越多的新型移动机器人已经在我国航空航天、紧急救援、仓储物流等各个应用领域获得了广泛的研究和应用,而在实际的应用中,移动机器人如何通过自身装配的传感器设备完成对位姿的估计,从而实现自主导航成为关键的科学技术课题。因此同时定位以及环境地图构建的技术问题,即SLAM（simultaneous localization and mapping）应运而生。解决SLAM问题常用的方案主要有两种:视觉SLAM和激光SLAM,而近年来视觉和激光传感器融合来解决SLAM问题成为研究的热点,可以解决实际应用中存在的问题,因此本文以视觉SLAM算法的里程计模块作为研究对象,然后将改进后的视觉里程计与激光雷达SLAM融合建图,最终实现移动机器人的自主导航,主要研究内容如下:首先,针对视觉SLAM中里程计模块存在的特征分布不均匀问题,通过改进特征提取算法中四叉树节点的划分深度,使图像提取的特征点能够均匀分布,并将改进的算法与主流特征提取算法进行对比分析实验,证明改进后的算法提升了特征分布的均匀度及系统的定位精度。其次,针对传统的Gmapping-SLAM算法在构建环境地图时,容易存在建图不连续的问题,引入了视觉里程计并提出雷达与视觉融合的观测模型。通过实验验证了改进后的Gmapping-SLAM算法可以解决移动机器人打滑时导致的建图不连续不完整问题。再次,对路径规划算法进行研究,改进全局路径规A-star算法的估价函数,并过仿真实验对几种基于不同估价函数的A-star算法进行了对比分析,将基于几何估计代价函数的A-star算法应用于本文的全局路径规划。研究分析了动态窗口局部路径规划算法（DWA）,并设计仿真实验对其动态避障性能进行了验证。最后,搭建移动机器人自主导航系统,通过定位精度实验验证了视觉里程计的位姿估计精度,通过地图构建实验验证了建图的完整性,通过导航实验对系统的有效性进行了验证。综上,本文对移动机器人自主导航系统中的定位、环境地图构建以及路径规划三部分展开了详细的研究,进行了理论算法研究和对应的实验验证,得到了一套具有较高安全性和准确性的移动机器人自主导航系统。