随着科学技术的飞速发展,机器人技术也是日新月异取得突破。机器人在民用、军用等方面已经越来越举足轻重了。移动机器人能够在未知环境下,通过自身配备的传感器感知外界环境,实现自主运动来完成指定的工作。移动机器人领域的热点研究的问题是定位、地图创建和导航。在很多实际环境中机器人无法进行全局定位,并且事先获取机器人工作的环境地图非常困难,甚至是不可能的。这时机器人就需要在完全未知环境中,在不确定自身位置的条件下,创建地图并同时利用该地图进行自主定位和导航,这就是移动机器人的并发定位与地图创建(CML)问题。CML是当前火热的智能机器人研究领域的一个基础,是这些机器人能够完成自主导航的关键问题。我们所知道的无人机,智能机器人以及无人驾驶领域当中的壁障或路径规划等都基于此。本文假定的实验环境是陌生平坦的室内环境,机器人能够实现自主定位和地图创建从而完成定点自主移动。本文的研究对象是工作在室内环境的五轮式机器人,通过激光测距仪实现对室内周围障碍物距离的测量,从而反映出障碍物的分布状况。激光测距仪是主要的外式传感器,陀螺仪、编码器作为内式传感器,通过扩展卡尔曼滤波器(EKF)算法将二者的信息进行融合、相互修正,从而实现机器人的自主点位、地图创建和导航。具体研究内容如下所示。(1)在了解RPLIDAR激光测距仪工作机制的基础上,掌握基于测量点集的直线提取方法。构建基于RPLIDAR的地图创建算法,并对其进行仿真验证以检测算法的有效性。(2)对CML(并发建图与定位)的基本理论进行研究。阐述CML的基本概念,包括相关术语及基本框架;论述CML的基本模型,其中包括机器人运动模型、传感器观测模型和执行器噪声模型。(3)在分析卡尔曼滤波器用于机器人定位存在不足的基础上,比较分析扩展卡尔曼滤波器在机器人定位的优势。进而构造基于扩展卡尔曼滤波的CML算法,并对其进行仿真验证说明算法的有效性。(4)在研究粒子滤波器原理和FastCML算法思想的基础上,构造基于粒子滤波的FastCML算法,并对其进行实验仿真以检验算法效果。(5)在CML算法获得自身实时的定位和周围环境的障碍物信息的基础上,分析导航算法。进而介绍该机器人的软、硬件结构,使得机器人实现从起始点到目标点的无碰撞、沿最优路径的移动。