随着人工智能技术的不断发展,移动机器人在制造工业、国防军事、航天航空、卫生医疗、家庭服务等领域中得到了广泛的应用。移动机器人的同时定位与地图创建是目前机器人学的热点研究课题之一,它是移动机器人实现真正意义上的自主化和智能化的关键前提。由于移动机器人的实际作业环境中存在各种不确定干扰因素,其测量系统的噪声往往具有非高斯重尾分布或者参数先验信息未知等特性。在这些复杂未知环境下,传统的基于贝叶斯滤波估计技术的同时定位与地图创建算法性能受到了严重影响,其定位精度、地图准确性和计算效率无法满足实际应用的需求。为了提高传统算法在复杂未知环境下的估计性能,本文分别对基于高斯滤波器、粒子滤波器和概率假设密度滤波器的同时定位与地图创建算法进行了改进研究,具体内容包括:(1)从贝叶斯滤波估计角度出发,分别对基于高斯滤波器、粒子滤波器和概率假设密度滤波器的同时定位与地图创建算法进行了分析总结,为后续改进相应算法的研究工作提供了理论基础。(2)对测量系统噪声为非高斯重尾分布时的同时定位与地图创建算法进行了研究,提出了一种基于统计线性回归鲁棒优化的同时定位与地图创建算法。首先,基于平方根容积卡尔曼滤波器对联合状态向量进行预测估计。然后,将状态的测量更新方程转换成等价的统计线性回归形式,并利用广义最大似然估计法计算当前测量残差向量对应的增益权值矩阵。最后,通过迭代重加权最小平方法对联合状态的后验均值和协方差平方根因子进行估计。(3)对FastSLAM算法中采样粒子质量差和计算效率低的问题进行了研究,提出了 一种改进粒子提议分布估计及粒子重采样方法的UFastSLAM算法。首先,将控制噪声和测量噪声同时增广至机器人位姿状态向量中,并采用平方根转换无味卡尔曼滤波器对最优粒子提议分布进行估计。然后,根据该粒子提议分布对机器人位姿状态进行采样和特征地图的状态更新。最后,在粒子重采样阶段,采用基于KL散度的自适应粒子重采样方法确定当前时刻所需的粒子个数。(4)对环境中同时存在杂波干扰和未知测量噪声方差的同时定位与地图创建算法进行了研究,提出了一种同时估计未知测量噪声方差的随机有限集的同时定位与地图创建算法。首先,将地图特征和测量噪声方差的联合后验强度表示成逆伽马分布和高斯分布的乘积加权和形式,并通过变分贝叶斯近似方法对相关参数进行迭代更新。然后,对联合后验分布混合项进行删减、合并操作以实现地图特征位置状态和个数的估计。最后,根据单特征策略计算粒子权值并对机器人的位姿状态进行估计。