21世纪以来移动机器人技术发展迅猛,成为科技研究的前沿领域,且研究方向也主要集中在对机器人的智能化控制上。而利用机器人搭载的传感器信息进行障碍物的检测及实时定位建图与路径规划等是其核心技术用途。而在各类传感器中,激光雷达因其精度高,抗干扰能力强等优点成为移动机器人的重要传感器。本文以激光雷达为主要传感器,结合其他多种传感器,对机器人的核心技术用途进行研究测试,主要工作如下:1.针对激光雷达的障碍物检测技术,对障碍物检测中最常使用的聚类分割技术进行研究,根据复杂环境下各类障碍物特征不同及激光雷达数据远处稀疏近处密集的特点,结合密度聚类算法与阈值聚类算法的优点提出一种基于距离与障碍物特征的自适应阈值聚类分割算法,将阈值调整为随障碍物距离和障碍物类内密度变化的自适应参数,并将此算法与传统聚类分割算法进行比较分析。2.针对激光雷达定位建图技术,搭建了移动机器人平台,建立其坐标系模型及里程计模型,在此基础上针对单一编码器里程计易出现里程计漂移导致定位不准的问题,使用扩展卡尔曼滤波方法融合编码器与IMU的信息,可有效提高机器人定位精度。在基于粒子滤波算法的SLAM系统框架下,研究RPBF算法原理及其改进算法Gmapping原理。在搭建的机器人平台上对融合里程计前后的定位建图算法进行比较分析。3.针对激光雷达路径规划技术,首先建立ROS导航框架,并研究其地图表达形式及总体流程,在此基础上设计以Dijkstra算法为核心的全局路径规划器及以DWA算法为核心的局部路径规划器,并对两种规划算法进行仿真及实验验证。针对路径规划中机器人易贴近障碍物及路径平滑度较差等问题提出一种基于领域点的路径优化方法,可有效提升机器人在复杂环境下的导航效率。针对传统巡航方法的不足,设计一种新的巡航方法,可手动调整机器人初始位姿并发布多个目标点,并可设定并输出巡航次数与时间等参数。4.使用搭建的机器人平台进行实验验证。首先分别在室内外采集数据进行聚类分割实验,用改进的聚类算法与传统算法进行比较分析。然后进行定位建图实验,分别使用融合里程计前后的定位建图方法进行室内建图,分析对比建图精度。最后进行路径规划实验,在复杂环境下使用设计的巡航方法分别对优化前后的路径规划方法进行实验对比,分析其路径与导航效率。图70幅,表4个,参考文献63篇。