移动机器人作为机器人学中的一个重要分支，随着传感技术、人工智能等相关学科的发展，移动机器人正在向智能化和多样化发展，应用越来越广泛。本文主要研究未知环境中移动机器人运动的环境建模、同时定位与地图创建（SLAM）以及路径规划的问题。论文在对相关理论和方法进行系统分析和研究的基础上，主要针对移动机器人在环境建模及定位过程中传感器信息存在不确定性、数据关联难以解决、路径规划结果安全性差以及定位与地图创建精度不高等方面进行了研究。主要工作概括如下：　　 1、介绍了移动机器人的发展历史、国内外研究现状和典型代表机器人。对目前移动机器人定位技术、路径规划技术、多传感器信息融合技术、同时定位与地图创建（SLAM）技术等关键技术和研究热点的进展情况进行了归纳，为论文后续研究打下基础。　　 2、通过对移动机器人功能需求进行分析，体系结构进行设计，对各处理之间任务进行细化分配，设计了一种以DSP微处理器为核心，利用舵机带动单声纳传感器扫描的低成本移动机器人测距设计方案，较传统声纳环设计方案，系统的复杂度得以降低。同时对其软硬件体系结构、移动机器人坐标系、运动及观测模型等进行了分析。　　 3、分析了声纳测距原理和工作特性，以及造成声纳传感器测距不确定的因素；对三种声纳传感器模型进行了介绍；分析了目前针对声纳测距传感器不确定信息的描述和处理方法，对其中的灰色系统理论、模糊逻辑理论、Dempster-shafer证据理论模型方法进行了分析，并对其特点进行比较；将贝叶斯概率估计和Sobel边缘检测算法相结合，提出了一种环境建模和环境特征提取算法。在高斯声纳模型基础上，利用贝叶斯估计对栅格地图进行概率更新，并结合Sobel边缘检测算法提取特征点，实现了由不确定的移动机器人坐标系向固定的以环境特征点为原点的全局环境坐标系的转换及全局定位。该算法的有效性通过实验进行了验证。　　 4、对移动机器人同时定位与地图创建（SLAM）问题进行了结构化描述。对两种目前主要使用的SLAM算法：EKF-SLAM算法和基于RBPF的FastSLAM算法的原理和算法流程进行了分析和比较。其中FastSLAM算法对传感器精度要求较高，对在探测过程中出现的异常点敏感，错误的匹配将产生严重的后果。针对FastSLAM算法不适用于精度较低的声纳测距传感器这一问题，在第三章环境建模及环境特征提取算法的研究基础上，提出了一种基于概率栅格地图环境特征点提取匹配的移动机器人粒子滤波混合SLAM算法。其基本思想是基于蒙特卡罗定位原理利用粒子滤波算法对机器人运动轨迹进行估计；利用概率栅格地图环境特征提取算法对路标坐标进行估计。算法基本框架可概括为环境感知、特征匹配、状态更新、地图更新，特征提取五个过程。通过室外自然环境实验对算法的有效性进行了验证。该算法较好地解决了声纳测距传感器由于散射角大带来的特征点估计不准的问题，对环境路标和机器人轨迹的估计都比较准确。　　 5、对人工势场（APF）模型特点进行了描述，分析了改变势场参数对路径规划结果造成的影响。减少局部极小点，将导致路径安全性降低；提高路径安全性将导致局部极小问题更容易发生。针对提高路径安全性和减少局部极小点相矛盾这一问题，通过将APF模型与自适应遗传算法（GA）进行结合，采用一种基于APF-GA算法的移动机器人路径规划算法。根据基于安全性评估的适应度函数对APF模型参数性能进行评估，利用GA算法对APF模型中的势力场参数进行自适应估计，通过将参数变化控制在一个合理的区间，有效避免局部极小情况的发生，同时提高了路径的安全性。APF-GA算法的有效性通过理论分析和仿真试验进行了验证。