在当代机器人的研究中,机器人的自主运动能力的研究一直占据着非常重要的地位。要实现机器人的自主运动,它必须具有能够感知周围环境和实现自我定位的能力,这是机器人实现其他目标的前提。但是,机器人的自我定位必须要有精确的环境地图,而环境地图又离不开准确的定位,这是一个相辅相成的过程,所以要完成机器人的自主运动,必须把同时定位与地图构建当作一个整体来解决。本文就是要对机器人的同时定位与地图构建的相关技术及其实现展开研究,主要包括:本文先建立机器人的运动模型,通过机器人的内部传感器即陀螺仪、里程计来确定机器人的位置信息。而在机器人的实际运动中,由于陀螺仪角度的累计误差和轮子打滑导致的里程计误差,自身定位的结果和构建地图的效果也会随着里程的增加而变得越来越差。所以,为了提高机器人自身定位的能力和构建地图的准确度,本文采用了一种结合陀螺仪、里程计、蓝牙节点和激光等传感器进行的同时定位和地图构建方法:机器人通过安装在机器人上的蓝牙接收模块来探测各个预先安装在运动环境中的蓝牙发射模块,通过蓝牙接收模块探测到的各个发射模块的信号值(RSSI)来计算出机器人与各个蓝牙发射模块的距离,利用这个距离来修正内部传感器的定位误差,然后利用自身位置和激光传感器结合来构建周围环境的栅格地图。这种结合多种传感器的定位和构建地图方法最重要的问题就是多传感器数据融合。针对本文研究的机器人室内定位问题,我们选用了扩展卡尔曼滤波算法(EKF)来实现多传感器的数据融合,并具体论述了扩展卡尔曼滤波是怎样实现的,且进行了实验,利用扩展卡尔曼滤波算法对实验中采集到的传感器数据信息进行融合来验证扩展卡尔曼滤波算法在机器人定位中的效果。由于本文将蓝牙发射模块作为路标在机器人的路径规划中存在着比较大的局限性,而栅格地图有利于地图创建维护和路径规划,所以本文最后还介绍了在准确定位的基础上如何创建栅格地图。在对激光扫描到的原始障碍物数据点进行处理的过程中,我们采用了算术均值滤波对障碍物数据点进行滤波,然后在构建出的栅格地图的基础上借鉴了图像处理中的膨胀方法,对障碍物栅格进行膨胀处理,这样可以使得障碍物轮廓可以显示的更为完整。同样,我们通过实验即对标准的障碍物进行构建地图来验证这些方法在构建地图中的有效性。