随着智能制造产业的快速推进,自动导引车(Automated Guided Vehicle,AGV)的自主化与智能化逐渐成为智能物流领域的研究重点。AGV的导航技术是确保其自主完成物流运输任务的关键之一。AGV的导航技术是直面工程需求的热点研究领域,也具有较高的学术研究价值。为此,本课题针对AGV导航的需要,开展地图建模和路径规划研究,以提升AGV的自主性与智能性。主要研究内容如下:提出了一种基于特征提取的地图建模方法。通过对采集的点云数据进行聚类与分割,将分割后各区域内点云进行线段拟合与合并,并提取出所需要的特征线段。最终建立了具有明显结构特征的室内地图模型。并在此基础上建立车辆的地标测量模型,采用基于贝叶斯后验概率估计的蒙特卡洛定位算法,有效的关联了里程计状态值与传感器观测值。提出了一种面向高效和动态避障的路径规划方法。针对Astar算法路径规划结果中拐点较多和转折点不平滑的问题,采用基于Floyd算法对Astar算法进行改进。通过去除全局路径中多余的拐点并添加三次B样条拟合路径,使其更加平滑与安全,提高了规划路径的效率。为避免传统动态窗口算法(Dynamic Window Approach,DWA)算法易陷入局部最优值的问题,在动态窗口算法中引入向量场直方图算法(Vector Field Histogram+,VFH+),通过对速度进行采样,并将其带入代价函数对局部路径进行更新,以有效克服DWA算法中的局部最优问题。实验仿真结果说明该方法能在实现动态避障的基础上有效提高路径规划的效率。搭建了地图建模和路径规划实验平台。基于AGV和激光雷达搭建了地图建模实验平台,利用该实验平台对所提基于特征提取的地图建模方法进行了实验,实验结果说明所提方法能有效提高的模型精度。对所提基于Floyd的改进Astar算法进行了全局路径规划实验,实验结果表明改进算法可有效提高路径搜索速度。同时对所提改进DWA算法进行实验验证,实验结果显示所采用的算法可有效进行动态避障,同时避免局部极值问题。