随着科技进步和社会发展,目前移动机器人已经广泛应用到军事、工业、民用领域中去,移动机器人的自主导航与路径规划能力成为近年来的研究热点。其中主要包括对利用各种传感器实现周边环境的实时同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）、多传感器融合算法以及基于构建地图和任务需求的路径规划方法。2D激光雷达由于自身的限制,即只能扫描一个平面内的障碍物,无法完成低矮障碍物和镂空障碍物的检测,在特定场合下无法满足感知的需求。本课题旨在融合2D激光雷达和双目相机这两种传感器的基础上,搭建一套具有完整自主导航与路径规划的自移动机器人系统。首先对传统的RBPF-SLAM算法（一种2D激光SLAM算法）进行优化,再根据自主导航的需求对ORB-SLAM2系统框架（一种可应用于双目相机的视觉SLAM系统框架）加以改进,然后研究了一种激光SLAM与视觉SLAM松耦合方法,最后对全覆盖路径规划算法展开研究。本文的主要研究如下:（1）搭建了基于履带底盘的机器人实验测试平台,并根据自主导航探测的需求将机器人平台划分成上位机软件、下位机软件、UI可视化界面三个部分分别进行设计,其中下位机系统负责机器人实验测试平台的运动控制以及内传感器（IMU、位置传感器）数据的接收并与上位机系统进行通信,上位机系统接收外传感器（激光雷达、双目相机）的数据并运行上层算法如全覆盖路径规划算法、同步定位与地图构建算法、激光雷达运动畸变去除算法、传感器地图融合算法、里程计积分等,并与下位机系统进行通信,UI可视化界面负责各类信息的显示以及人机交互。（2）利用基于PL-ICP算法实现的激光雷达里程计采用直接线性法的标定方法完成了轮式里程标定工作;利用里程计数据辅助方法完成了激光雷达运动畸变的去除工作;基于张正友棋盘标定法完成双目相机标定工作;基于6*6的April Tag码矩阵标定板完成双目相机与激光雷达的联合标定工作。（3）针对单线激光雷达同步定位与地图构建问题,本文对RBPF-SLAM算法进行了研究和优化。在传统RBPF-SLAM算法基础上,利用海鸥优化算法改善RBPF-SLAM的粒子采样过程,从避免了优秀粒子退化为噪声很大的粒子的情况;针对RBPF-SLAM算法中简单重采样造成的样本贫化问题,采用MSV重采样方法进行优化。然后利用本文提出的算法在Intel Research Lab和ACES Building数据集上进行了仿真实验,从实验结果上能够看出,在对算法进行优化以后,所对应的有效性显著提升。为验证算法的实际效果,利用实验测试平台进行了室内SLAM实验,实验结果表明优化后的算法能够完成构建地图的任务且能获得与实际环境一致性更好的地图。（4）对于双目视觉的同步定位与地图构建问题,本文对ORB-SLAM2系统进行研究分析,针对ORB-SLAM2系统只有稀疏点云地图的不足在原先的系统的基础上增加八叉树地图线程实现了八叉树地图的构建,因此可以直接应用于机器人导航和路径规划中。为了提高ORB-SLAM2系统剔除误匹配的速率,本文采用PROSAC算法替代了原先框架中的RANSAC算法,使得整体算法的实时性有所提升。（5）将基于生物激励神经网络的全覆盖路径规划算法和基于神经元激励的全覆盖路径规划算法在MATLAB上进行实现并进行对比分析,最终选用性能更优的基于神经元激励的全覆盖路径规划算法作为本课题的路径规划算法。