机器人技术综合了机械控制、传感器技术、信号处理、仿生学等多种学科,随着云计算、人工智能、大数据等技术的高速发展,机器人技术已经成为了当今高新前沿技术中最活跃的领域之一。其不仅应用在传统的工业制造领域,还在休闲娱乐、交通运输、军事国防和医疗健康等领域快速发展。移动机器人作为机器人技术的重要分支之一,集环境感知、路径规划和行为控制于一体,使得移动机器人技术逐渐成为目前机器人领域研究的最大热点。移动机器人技术主要需要解决三个问题:移动机器人的定位、周围环境信息的获取和路径规划。针对现有的同时定位与地图创建（Simultaneous Localization and Mapping,SLAM）方法中存在的匹配误差大、运行速度慢、定位精度低等问题,本文提出了一种改进的ORB-SLAM算法。首先,采用一种全卷积神经网络对场景图像进行预处理,提取出图像中的显著性区域;其次,采用图像金字塔法构建尺度空间,并在尺度空间中对图像进行FAST角点检测,得到图像特征点的位置和尺度信息;然后,采用多探寻的局部敏感哈希算法进行特征点匹配,并利用渐进采样一致性算法（Progressive Sampling Consensus,PROSAC）对误匹配点进行剔除;最后,针对原始ORB-SLAM算法中回环检测算法存在大量的误差回环,提出一种基于场景图像感兴趣区域和分层加权匹配思想的回环检测算法,以提高回环检测的准确率和召回率。基于公开数据集的视觉里程计实验结果表明,与对整张图像进行特征提取和匹配的结果相比,匹配精度提高了约37%,效率提高了约44%。后端实验验证了本文算法的准确性和实时性均优于原始ORB-SLAM以及两种基于ORB-SLAM的改进算法。针对路径规划算法中A*算法存在运行效率低,生成路径不够平滑和鲁棒性较差的问题,本文提出了一种改进的A*算法。通过优化OPEN表的存储结构可以在不增加访问节点个数的情况下有效地减少路径规划的耗时。根据实验仿真结果可知,改进后的A*算法的路径规划耗时较原始A*算法减少了10%左右;针对移动机器人在障碍物前不停徘徊的问题,将A*算法与局部路径规划算法相结合,通过实际场景实验验证了该算法的有效性。