在“中国制造2025”提出后,中国实施推进制造强国战略,促使制造产业转型升级,工业化和信息化紧密融合将成为智能制造主要建设方向,这使得对生产过程数据化、结构化显得十分有必要。对于传统的人工巡检,巡检质量难以保证,存在着漏检、代巡、不按规定巡检等问题,随着机器人智能化技术不断突破,把机器人技术用于车间代替人工实现智能化巡检有助于帮助解决传统巡检问题。传统的导航技术,如磁导航、二维码导航等均需要对场地进行改造,且导航时存在运动路径固定而无法自主避障的缺点,在车间环境巡检需要更广泛适用性的技术。SLAM导航,可以在不改变环境情况下实现准确自主定位与路径可变的自主避障,使车间巡检机器人能应对动静态环境并存的非结构化车间环境。SLAM导航实现关键在于定位与避障自主化技术,不准确可靠的定位会使机器人获取错误状态导致后续规划避障错误,不有效的自主避障则导致机器人受困而无法顺利绕开障碍执行任务。为实现车间巡检机器人自主智能化巡检,本文对车间巡检机器人SLAM导航系统及其关键技术展开相关研究,主要研究内容如下:（1）对机器人SLAM导航系统进行建模。提出车间巡检机器人导航系统总体框架,分析使用到的多个传感器的底层模型与导航地图模型,为后续实现多传感器融合的组合滤波定位以及立体感知下的自主避障提供理论基础。（2）考虑到单一传感器存在局部缺陷,本文提出一种基于多传感器融合的组合滤波定位方法。对多个传感器数据进行状态估计,组合使用卡尔曼滤波与粒子滤波分步融合,并结合混合地图模型对机器人局部定位与全局定位性能提升,导航过程中局部定位绝对轨迹平均误差约0.061m,有效全局定位平均位置误差为0.098m,平均姿态误差为1.413°,平均匹配度约76.7%,相较于单一传感器方法,效果更准确稳定。（3）由于激光雷达仅在固定高度扫描,因此无法完整感知货架与人脚等存在镂空的障碍。本文提出了一种结合深度相机和激光进行感知处理的立体感知方法,并对DWA和TEB自主避障算法进行测试和比较,组合出整体的自主避障方法。通过实验验证了在感知方面本文的立体感知方法可以感知并补充货架上的障碍物,在规划方面选择的TEB算法虽会像DWA陷入局部最优,但能通过一段时间优化脱离局部最优,规划表现更好,在整体方面,可以有效地实现障碍物的更全的感知,协助局部规划可以在刚遇到障碍时直接绕过而不会陷入局部最优,实现自主避障。（4）对机器人平台软件硬件系统进行搭建,并选取更贴近实际应用场景,设计更具挑战性的导航状况,验证上述定位与避障方法的通用性与稳定性,最后以巡检仪表读数应用实验整体测试机器人的重复到点精度与检测效果。通过实验验证了该系统定位与稳定性能达到理想效果,并且仪表检测时平均到点位置误差约3.81cm,平均姿态误差约3.96°,拍照效果能正对仪表,并进行准确读数,证明该导航系统巡检的可行性与有效性。