随着我国工业化进程的加快,工业自动化水平不断提高。物流这个劳动力密集的行业要想降低成本,提高自动化水平显得尤为重要。物流AGV(自动引导车)作为室内仓库中重要的运输设备,其自主化和智能化是核心所在,从行业发展的视角来看定位技术和建图技术又是智能化和自主化的基础。本文所采用实验设备为自主搭建的物流AGV(取名为Robot),分别装备里程计、激光雷达、深度相机,在该移动机器人上分别进行了多种SLAM(同时定位与建图)算法的研究。首先是组装AGV,设定坐标系统、相关传感器模型的构建(功能包的编译)、环境地图模型的选择以及速度的调节。其次分别介绍了基于滤波器和基于图优化的SLAM算法,进而介绍了基于激光的SLAM算法和基于视觉的SLAM算法。基于粒子滤波的SLAM算法以Gmapping算法为代表,Gmapping算法融合了里程计信息,该类型算法在构建小型地图时具有精度高,占用内存小的优点。而基于图优化的SLAM算法以RGB-D SLAM算法为代表,前端进行建图,后端进行回环检测,这也是当下主流的视觉SLAM算法框架。大的物流仓储面积往往可以达到上万平米,环境复杂,传统的SLAM算法已经不适用于该种环境中。对此在分析了各种算法优缺点的基础上,采用了谷歌2016年开源的Cartographer算法,将该算法移植到本实验所采用的Robot机器人上,并采用多传感器融合的思想,融合了里程计的信息,使用可视化工具Rviz以及仿真环境Gazebo进行仿真实验,验证各种算法应用于大型环境地图和小型环境地图的效果,着重介绍融合前和融合后的Cartographer算法建图效果。最后在自主搭建的Robot物流移动机器人上进行实验,实验结果证明融合了里程计信息之后的Cartographer算法能够构建出高精度的环境地图,以及该研究具有实用性。