本文以室内移动机器人开发应用为背景，对移动机器人在基于特征的室内环境中实现高性能的自主导航、环境建模和运动控制等问题进行了深入研究。首先对移动机器人主要传感器的模型及其不确定性进行讨论。重点分析了不同环境因素对激光测距的影响，完成了激光测距中距离和角度的方差分布计算，并依据误差传递公式给出激光测距不确定信息描述的具体形式；讨论了由里程计进行航位推算的局限性，通过对里程计误差的详细分析，提出了机器人位姿误差协方差矩阵的更新方程；针对视觉系统完成了CCD摄像机的标定工作，实现了视觉图像扭曲的有效校正。第二，在具有不确定信息的准结构化室内环境中，移动机器人要实现完全自主定位和全局环境地图的构建，首先要解决环境信息的特征提取与融合问题。针对环境中水平线段特征和激光测距数据的特性，采用两点确定直线方程、最小二乘拟合多点直线方程的两步处理方法。在视觉图像处理中，采用Sobel算子和非极大值抑制算法进行边缘像素的提取和细化，完成物体垂直边缘的有效提取。针对多传感器数据在特征层次的融合问题，采用将测距数据和图像数据统一到视觉坐标系下，再对已提取的垂直边缘线段的特征角与水平环境特征特征角进行匹配的处理方法，在应用中取得良好效果。第三，移动机器人定位和地图创建所选用的方法与环境空间的表述方式是密切相关的。对基于先验地图的移动机器人定位问题，本文分别对EKF定位、组合概率模型全局定位和基于先验几何-拓扑混合地图定位这三种主要方法进行了系统研究。位姿跟踪方法中，对于长距离的运动，必须借助外部传感信息来消除单纯利用推算航行法带来的累积误差。通过借助激光测距仪、CCD摄像机外部传感器信息，在将观测数据与环境模型相匹配后，利用EKF对位姿估计进行更新。对于已知环境模型下的机器人全局定位，要求保证鲁棒的定位性能和精确的位姿跟踪能力，这是实现室内环境中自主导航的关键。针对Markov方法和Kalman滤波器两种概率定位方法存在的不足，提出并实现了Markov-EKF组合概率定位方法，兼具了全局定位鲁棒性和位姿跟踪精确性。通过实验以及与Markov方法的定位误差比较，验证了定位方法的性能。基于几何-拓扑混合地图的移动机器人自主定位采取全局依据拓扑地图进行定位，而在拓扑节点间仍然依据局部几何地图进行EKF定位的混合定位方法。这样即便因为碰撞等意外情况造成机器人位姿跟踪的失败，仍然可在拓扑节点处基于绑定的高级特征完成EKF算法的重新初始化，确保整个定位过程的连续性和鲁棒性，而且实现了精确定位以便于完成具体工作任务。第四，未知环境下在线建模-SLAM(同时定位与环境建模)是移动机器人实现自主能力的又一重要问题，其关键在于计算复杂性和适用的环境。文中针对这一问题提出了集成几何方法和拓扑方法的分级混合建模方法，用来构造大规模的环境，生成全局拓扑结构和局部基于特征模型的混合等级式模型，减小了模型构造的计算复杂性，提高了整个环境模型的准确度。第五，研究了移动机器人的轨迹跟踪问题。首先针对Pioneer 2／DX移动机器人，推导了其运动学模型和跟踪模型。基于模糊控制方法实现了移动机器人的鲁棒轨迹跟踪，采用粒子群优化算法对积分-模糊控制器进行了优化，消除了系统的稳态误差，使系统不仅具有良好的动态特性，而且取得了满意的跟踪效果。最后，总结了本文所取得的研究成果，并指出了需要进一步研究的工作。