针对废墟救援领域对特种机器人的迫切需求，研制和开发用于搜寻营救的自主机器人系统已经成为机器人学研究的新方向之一。机器人能够辅助甚至代替人类进入受灾区域，进行勘查、搜寻和辅助救援，提高搜救效率，降低搜救风险。自主式移动机器人关键技术在于环境感知、思维和决策能力，其中机器人定位和地图创建是机器人自主化的前提条件，具有重要的研究意义。然而，震后废墟内部属于半未知或完全未知的室内环境，无法提供先验环境地图以及全局位置信息（GPS失效）。机器人只能根据机载传感器递增地创建地图，并同时利用该地图对自身进行定位，即同步定位与地图创建问题(Simultaneous Localization andMapping，SLAM)。　　本文的研究依托于国家自然科学基金“基于SEM地图的室内非结构环境中的SLAM问题研究”以及国家“863”高技术计划重点项目子课题“废墟洞穴搜救机器人研制”。地震作用下废墟环境特征分布疏密不均、地形崎岖，救援任务具有探测效率等特殊需求，导致SLAM算法无法直接应用于废墟内部搜寻救援。论文系统地研究了SLAM领域里的不确定性信息处理、复杂地图创建、未知环境空间划分、鲁棒性增强以及同步探测规划问题，提出一种基于混合地图的主动层次化同步定位与地图创建方法，以提高算法对复杂未知环境的适应能力和自主探索能力，为移动机器人以后能够在废墟内部环境真正实现自主搜救提供理论性的预研和前期应用性的探索。具体研究内容包括:　　(1)基于拓扑米制混合地图的层次化SLAM算法研究　　针对废墟内部环境所具有的震害形态特殊性，SLAM算法如何综合考虑估计准确度、计算复杂度、环境适用性和交互性的问题，采用层次分析法建立同步定位与地图创建系统地图表示方法构建机制，提出基于拓扑米制混合地图的层次化SLAM算法。采用全局拓扑地图组织整体结构，并在各拓扑节点区域创建局部米制地图，描述破坏形态形成的不规则障碍。通过实验对比，验证了算法环境细节描述和闭环检测能力以及在人工模拟废墟环境的有效性，证明了其在实际搜救和灾情评估等任务中的可行性。　　(2)基于谱聚类的大范围未知环境空间划分方法研究　　震后建筑内部环境受损程度和震害形态分布的无法预见性，导致层次化SLAM地图模型转换难以直接预设划分参数。针对该问题，提出一种基于图形分割的区域划分方法，从机器人视角衡量观测区域相关度作为局部子地图创建依据，降低了空间划分对环境先验信息的需求，从而实现层次化SLAM地图模型转换。通过对机器人里程和观测信息进行图形映射，基于信息熵生成节点集，将环境相似度作为边的权重，构建无向加权图及相似度矩阵;并采用归一化割策略对图形进行划分，得到以机器人主观方式的环境空间划分结果;方法在解决SLAM计算量递增问题的基础上，满足层次化SLAM算法中子地图间的条件独立假设，有效降低了分割造成的信息损失，从而确保了全局一致性。最后，通过仿真及模拟废墟实验，验证算法的有效性和可行性。　　(3)基于误差校正和虚拟点修复的SLAM鲁棒性增强方法研究　　针对感知数据存在歧义的非理想情况下SLAM算法准确度下降的失效问题，提出一种鲁棒性增强方法，从算法改进的角度抑制噪声干扰源的负面影响，实现稳定的未知环境感知和机器人自定位。首先，分析输入数据的误差来源，采用异常检测技术剔除错误数据降低输入量;然后，基于迭代最近点方法对特征提取误差进行校正;最后，提出虚拟还原点针对数据缺失情况修复状态估计量。通过实际环境验证，所提出方法能够有效提高SLAM准确度和容错能力。　　(4)基于多目标优化的SLAM主动探测问题研究　　针对固定探测策略的盲目性导致SLAM算法无法满足搜救效率需求的问题，提出基于多目标优化的探测规划方法，机器人选取最优化目标函数的控制输入实现闭环形式的主动SLAM，从而使机器人以主动、自适应的方式自主规划对未知区域的探测。将SLAM中的探测规划问题转化为多目标优化控制，提出目标函数综合量化评估不确定度、运动代价以及探测增益，并提出基于信息熵的主动闭环约束进行回溯修正。最后，通过对比仿真和实验验证了所提出算法的正确性和有效性。