近年来,随着人工智能,电子,计算机,嵌入式处理器以及机械等学科的快速发展,移动机器人获得了市场的广泛关注。其中移动机器人的关键技术是对路径规划算法的研究。然而,传统的路径规划算法大多存在不足,因此,寻找最优的算法成为了现如今的研究热点。基于蚁群算法寻优效果好的特点,本文在传统的蚁群算法上进行了改进,并通过大量仿真对改进的蚁群算法性能进行了比较,分别在静态环境和有动态障碍物环境下进行仿真,最后将改进的蚁群算法应用到移动机器人导航平台上,实现了基于ROS的移动机器人的自我定位和导航等功能。首先为解决静态环境下的障碍物避碰问题,本文提出了基于改进蚁群算法(QACS)的全局路径规划算法,并通过大量仿真实验验证算法的可行性。为了克服传统蚁群算法种群多样性低,收敛速度慢问题上引入量子算子,量子态矢量来增加种群的多样性,同时引入量子旋转门来控制算法的收敛速度,避免算法过早收敛。为了验证算法的优异性,对静态环境进行建模,通过建立不同的环境地图和设置不同的参数对本文的改进的蚁群算法进行了大量的仿真实验,实验结果表明,改进的算法能搜索到全局最优解或次优解,以及具有更快的收敛速度。其次针对动态复杂环境下移动机器人路径规划问题,提出了一种基于改进蚁群算法的全局路径规划和基于滚动窗口的局部路径规划相结合的算法。在局部滚动预测避碰规划中,针对动态障碍物方向的不确定性,提出了两种预测方案,同时给出相应的碰撞避免策略。随后在静态环境下,加入了方向确定的动态障碍物和匀速运动的动态障碍物进行仿真实验,仿真实验证实了本文所提算法对解决动态环境下移动机器人路径规划问题的有效性。再次,基于ROS机器人的导航系统的搭建。主要介绍了Turtle Bot机器人的硬件和各种参数以及软件框架的设计,主要详细介绍了机器人操作系统(ROS)里的Navigation功能包集。在实现导航和定位功能,重点介绍了在导航过程中使用到的功能包和节点:amcl方法和代价地图环境建模方法。通过地图搭建和导航测试等实验,进行了移动机器人在实际环境中的测试,说明了本文改进算法的可行性。最后,基于ROS的移动机器人在智能交通中的应用。首先为解决停车难,停车位利用率低的问题,提出了无人值守停车服务系统的概念。其次将APP应用模块,车位管理模块,导航机器人模块三大模块结合,解决停车难停车利用率低等问题。最后通过在车库的导航实验,证明了本文的移动机器人可以带领车主到达指定车位,解决停车难问题,真正实现车库的无人值守状态。