自主移动机器人的导航，是机器人能够通过传感器感知环境和自身状态，实现在有障碍物的环境中面向目标的自主运动，从而完成一定作业功能。自主机器人的导航问题主要包括地图创建和感知、传感器信息融合及理解、机器人自主定位、机器人路径搜索和规划以及机器人自主运动等。 本文主要探讨和研究了自主移动机器人在已知地图环境下使用基于概率的定位及路径规划问题，以及在未知环境下，机器人进行同时地图创建和定位(SLAM)的方法。 对于已知地图环境下，分别对基于概率方法的Markov、Monte Carlo及Sensoz-Resetting Localization定位算法进行了仿真研究。对非完整移动机器人建立运动模型和感知模型，并将其用于机器人位姿概率分布估计、更新及定位。仿真实验对各算法进行了比较和分析。 此外，使用改进的A<'*>算法对未知环境下的机器人导航进行可行路径搜索及优化，对估价函数进行加权处理，并引入“人工搜索标志”，避免重复搜索无效区域，能有效且快速逃离障碍物陷阱，使得算法在未知环境中能有效且准确地找到可行路径，然后对可行路径进行优化，得到最短路径。仿真实验的效果证明了此算法的有效性。 最后，研究了在未知环境下(主要针对室内环境)，使用激光测距仪和里程计传感器融合进行机器人同时地图创建和定位(SLAM)的问题，提出了一种基于机器人记忆特征库的SLAM方法。同时为了克服传感器信息及处理的不确定性，引入信度，将机器人位姿表示为概率形式。实际实验证明了此算法的有效性和实时性。