自主导航是移动机器人的重点研究方向，也是移动机器人实现完全自主的关键技术。本文系统地研究了未知环境中移动机器人利用多种传感器进行自主导航问题，并重点对机器人导航中的多传感器融合、环境地图的表示及生成、自主定位和路径规划等问题进行了深入地分析和研究，提出了一些解决相关问题的新技术和新方法。 　　本文提出一种改进的D-S证据融合算法，通过引入证据信息熵和关系矩阵的概念，给出了确定证据在融合过程中所占权重的方法，并从证据本身和证据之间的相互关系两个方面分析了证据的可信度，克服了传统D-S证据理论在判别传感器数据之间的相互关系时过于绝对化和经验化的不足，针对证据严重冲突情况，提出了一种证据的分类融合方法，避免了冲突证据之间的直接融合。针对机器人自主导航中多传感器融合的实际情况，给出了一种确定基本概率赋值函数的方法。通过实验及与其它方法的比较验证了改进算法的有效性和鲁棒性。 　　生成环境地图是未知环境中机器人自主导航涉及的一个关键技术。本文提出了一种基于多传感器融合的地图生成算法，通过多种传感器获得地图所需要数据，利用改进的D-S证据理论对数据进行融合，利用融合后的数据得到局部的极坐标地图，并对全局地图进行更新。环境地图生成算法充分利用了机器人较易得到距离和角度信息的特点，根据机器人实时探测到的局部环境信息，对环境地图进行不断更新，每次更新的时候，用启发式方法生成优化子目标来引导机器人的运动，实现了优化与反馈的结合。 　　为了快速准确地进行导航，机器人需要明确自己当前的位置。本文提出了一种基于异步传感器融合的机器人自主定位算法。另外，为了提高信息的可靠性，给出了消除传感器信息不确定性的方法，通过剔除疏失误差，利用分段校正法调整数据，最后利用分批估计理论融合数据，使传感器数据更为准确。实验结果表明了所提方法的有效牲。路径规划是移动机器人导航中最重要的任务之一。它是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径、本文提出了一种未知环境中基千模糊场景匹配的机器人路径规划方法。 最后，本文介绍了智能机器人导航系统实验平台的硬软件系统以及备种传感器系统，并通过多种实验对本文所提方法进行了验证。