在机器人研究领域中,机器人的自主移动是一个重要的研究分支,要实现自主移动,机器人需要能够理解感知环境并且实现自定位,也就是具备同时定位与地图构建的能力。然而,机器人要实现定位需要有准确的环境地图,环境地图又离不开准确的定位,这个过程相互关联但又矛盾,要实现机器人的自主移动,必须将同时定位与地图构建当作一个问题来解决。本文主要对移动机器人同时定位与地图构建的相关技术展开研究,主要工作包括:本文对机器人的导航系统建立模型,通过移动机器人携带的里程计来确定机器人的位姿信息。但是在实际情况中,由于机器人轮子打滑等原因导致里程计的误差累计,定位和地图构建效果会随着航线的增长而变差。为了提高定位和地图构建的精度,本文引入了一种结合里程计和参考路标进行同时定位和地图构建方法:机器人利用安装的摄像头来识别路标,在检测到新路标时,将该路标加入路标特征地图中;若该路标已经存在于路标特征地图中,则由观测到的路标与机器人的相对位置,并融合里程计给出的定位数据来修正机器人的定位信息和更新路标特征地图。这种结合多种传感器的数据进行运动控制的方式的关键问题就是数据融合问题。针对该系统的特征,本文选用了EKF算法实现,并给出了EKF-SLAM实现的详细过程和进行了仿真,仿真结果证明了EKF-SLAM的有效性。由于路标特征地图在机器人路径规划上存在较大的局限性,而栅格地图有容易创建维护和路径规划的优点,最后本文介绍了在EKF-SLAM精准定位的基础上如何创建概率型栅格地图的方法,引入了贝叶斯法则思想来解决多个超声波传感器进行信息融合时的冲突问题,根据超声波传感器采集的信息修改栅格被占据的概率,集成局部地图,再根据贝叶斯法则更新全局栅格地图,通过仿真验证了该方法创建栅格地图的有效性和准确性。