随着现代社会的发展,机器人开始被用于越来越多的领域,在人们日益增长的需求与当前科学技术的发展下,室内移动机器人小车成为热门的研究方向。机器人小车的导航定位作为机器人小车功能的一个重要部分,人们对其要求也越来越高,尤其是在未知环境中使用机器人小车,这就要求其有较好的地图构建和路径规划功能,而传统的以单激光雷达传感器为主的机器人小车自主导航无法适应多种环境下的不同特征,产生较大误差。同时,若要提高机器人小车的导航定位效率,需要在现有的路径导航算法上进一步进行优化才能满足其运动过程的时效性与高效性。为了弥补单激光传感器在机器人小车自主导航定位过程中的缺陷,本文设计了一款基于多传感器的自主导航定位机器人小车,传感器主要包括激光雷达、带深度信息的双目视觉摄像头和惯性导航传感器等。当机器人小车在未知环境下运动时,由多个传感器对传感器所收集的原始数据进行数据处理之后,再通过基于卡尔曼滤波的数据融合方法得到优化数据传入机器人小车控制系统,控制系统通过利用ROS(Robot Operation System,机器人操作系统)软件平台进行数据分析与地图构建,进而在未知环境下构建了周围环境的环境地图。在构建地图的方式上通过相关理论的推导与对比分析,最终选择了基于SLAM(Simultaneous Localization and Mapping,同时定位与地图构建)的Cartographer地图构建方法。在未知环境构建完环境地图后,机器人小车自主导航的另一个重要方向就是路径规划。通过理论对比分析与仿真实验比较,本文对A*算法进行优化之后作为全局路径规划算法,考虑到机器人小车实时运行的周围环境变化,本文还选择DWA(Dynamic window approach,动态窗口规划)法作为机器人小车运行过程中的局部路径规划算法,通过将优化后的A*算法与动态窗口规划算法结合在一起有效地提高了路径规划过程的效率。最后为了验证基于多传感器机器人小车自主导航定位的优势,本文首先进行实验小车的系统搭建,接着分别在无障碍实验室环境和有障碍实验室环境下对机器人小车进行单激光雷达条件下的自主导航定位实验和基于多传感器条件下的自主导航定位实验,以地图构建效果以及路径规划后机器人小车的停靠点与目标点的位置偏差和时间消耗作为评价标准,最终证明基于多传感器的机器人小车自主导航定位效果要优于单激光条件下的效果。