未知环境中移动机器人的环境认知问题,是移动机器人实现各种任务的前提。通过对未知环境的认知,可以把未知环境下的问题转化到已知环境中解决,也方便从全局环境的角度去考虑问题。未知环境中的自主移动机器人认知研究具有很重要的理论意义和研究价值。移动机器人环境认知技术主要包括两方面的内容：未知环境探索与地图构建。未知环境探索主要是通过移动机器人自身携带的传感器对环境进行感知,是一个不断寻找最优候选点(Next Best View)的过程。探索过程中需要结合路径规划的内容,选取一条损耗最小、效率最高的无碰撞探索路径。构建环境地图则是将环境认知的结果用具体的环境地图来表达,通常与移动机器人自主定位技术有着密切的关系。移动机器人环境探索问题可以分成两个过程：生成候选探索点与选取最优探测点。在前沿理论的基础上,本文综合考虑了路程损耗、移动机器人姿态和环境遍历性等问题,对未知环境中候选探索点的生成方法进行了分类说明。针对探索过程中出现多个候选探测点的问题,利用多指标决策方法,确定最优探测点。构建环境地图是伴随着探索过程同时进行的,移动机器人探索一个区域后立即构建该区域的环境地图。增长型神经气网络是由网络节点与节点间连线组成的拓扑结构,本文中采用该拓扑结构表达已探测环境的地图信息。随着探索过程的进行,利用增长型神经气网络的增长性和拓扑性,逐步完成对整个工作环境的地图构建。本文对环境探索和拓扑地图构建分别进行了Matlab仿真实验,并且选取了两种类型的工作环境,实验取得了比较满意的效果,有效解决了传统方法计算复杂和效率低下的问题。