随着移动机器人应用领域的不断扩展和移动机器人导航问题研究的不断深入,非结构化环境特别是未知环境下的导航逐渐成为移动机器人领域倍受关注的热点问题。目前,自主探索已被公认为能够真正实现机器人在未知环境下自主完成导航任务的主要手段和关键技术。可靠的定位是机器人自主导航的基础,导航中的路径规划、路径跟踪等任务都需要机器人能够在运动过程中连续地进行定位。然而,在未知环境下由于没有先验地图信息,机器人进入未知环境后,如何利用传感信息建立准确的环境地图,并同时利用创建的地图实现准确的自主定位已成为移动机器人导航领域的核心且具有挑战性的研究课题,即同时定位与地图创建(Simultaneous Localization And Mapping, SLAM)问题。自SLAM问题提出以来就受到移动机器人领域的广泛关注,许多研究者提出了多种解决方法。然而,将现有的方法应用于解决大尺度未知环境下的SLAM问题时,仍然有许多不完善的地方有待改进,同时还有诸多难点问题有待解决。本论文针对大尺度未知环境下的SLAM问题展开了相关研究,主要贡献表现在如下三个方面。解决了未知环境的数据关联问题。针对常规的FastSLAM算法通常假设机器人观测值和环境陆标之间的数据关联是已知的(即采用预置陆标)来回避数据关联问题的缺陷,本论文提出了一种适合大尺度未知环境(即数据关联未知)下的FastSLAM新方法。该方法采用基于单个粒子的最大似然数据关联和环境否定信息相结合,既保证了当前运动噪声不会对下一步的关联数据的精度产生影响,也不会出现所谓的“失踪”问题;同时,还保证了能及时删除添加到环境地图中的错误陆标。改进的方法解决了大尺度未知环境下的数据关联问题,可真正实现机器人在未知环境的自主导航。构建了自适应栅格地图。本论文提出了在大尺度未知环境下地图创建过程中数据存储和相关量计算的解决方法。尺度均一的概率栅格法是最为普遍和公认的SLAM地图表达方法,但是尺度均一的概率栅格地图表达法在大尺度未知环境地图创建过程的海量数据存储和相关量计算问题限制了它的应用。针对这一问题,论文提出了尺度大小自适应的栅格地图表达法:利用四叉树理论,根据地图不同区域环境障碍物密度的变化,自适应调整各区域栅格尺度大小。该方法一方面提高了地图的精度,另一方面,由于栅格的减少,相关量的计算大大降低,因而提高了地图创建的实时性。论文还提出了与尺度大小自适应的栅格地图表达法相适应的一种简单、直观的基于Bayesian原理的栅格占有概率的求解方法。提高了SLAM方法定位与地图创建的精度。为提高大尺度未知环境下机器人定位与地图创建的精度和实时性,本论文最后提出了一种改进的基于粒子滤波的SLAM实现方法。改进方法让机器人大约行进10步完成基于已创建地图下的粒子滤波定位后再利用激光传感器探测环境并更新创建的地图,提高了机器人定位的精度,从而也就提高了地图创建的精度。同时,在利用粒子滤波定位时,使粒子只分布在由航位推算法得出的机器人位姿附近,从而可有效地减少粒子的数量,提高了机器人定位与地图创建的实时性。.