同步定位与建图(SLAM)是自主移动机器人领域的重要研究方向,也是机器人实现自主导航、在未知环境中完成复杂智能任务的关键,集中体现了机器人的感知能力和智能水平。同步定位与建图又是一个复杂的问题,涉及到移动机器人研究的各个方面,特别是环境的表示方法、不确定信息的描述和处理方法、数据关联、环路闭合、探测策略等问题。本文主要研究机器人同步定位与建图的理论和实现,主要工作如下:介绍了机器人学中的环境表示方法,包括拓扑地图、占有栅格地图和特征地图。针对室内环境中线段特征丰富的特点,使用特征地图表示室内环境。采用分层聚类的方法从激光测量数据中提取直线特征,并创建局部地图。介绍了同步定位与建图的概率框架、图模型。介绍了SLAM的两种主要解决方案,即扩展Kalman滤波器方法和Rao-Blackwellized粒子滤波器方法。设计了室内环境下基于激光测距仪的同步定位与建图方案。移动机器人使用二维激光测距仪测量距离,采用编码器记录机器人的路径。采用一种分层聚类的方法从原始激光测量数据中提取直线特征,并计算直线特征参数的方差矩阵。通过扩展Kalman滤波器更新机器人位姿和直线特征的参数。文中还给出了机器人的运动学模型、观测模型,预测、状态更新等方面的相关公式。采用扫描匹配的方法对创建的地图进一步校正。最后,利用移动机器人平台对本文提出的SLAM方案进行了大量实验。实验结果表明,机器人采用本方案可以在室内环境中创建特征地图,同时利用该地图进行定位。扫描匹配方法可以进一步提高创建地图的精度。实验结果验证了方案的有效性。