自主创建环境地图近十多年来一直是移动机器人领域的研究热点。作为实现“自主移动机器人”的关键技术之一,它能够极大增强移动机器人的环境交互能力,从而推动移动机器人技术的进步。研究自主创建环境地图甚至将对人类的生存与发展产生深远影响。具备该项技术的移动机器人可以代替人类完成野外或海底作业、灾难救援及地外行星探索等诸多任务。尽管这方面的研究已经取得了丰硕成果,但在地图表述方式、算法复杂度和运算时间、地图估计精度以及大规模和动态环境的地图创建等方面仍然存在许多挑战。围绕移动机器人自主创建环境地图问题,本文完成了以下一些研究工作：1.简单概括了移动机器人的分类、发展历史及研究课题等内容。将移动机器人自主创建环境地图由易到难地划分为避障与漫游、已知环境下的定位及未知环境下的同时定位与地图生成三个子问题,并系统探讨了各自的研究方法与成果。2.针对静态直线直角环境的特点,提出一种以可通行角点和不可通行角点概念为核心的无标定单目视觉避障漫游算法。结合分段控制策略,该算法能够引导移动机器人在环境中避障与漫游,并重建无闭合结构环境的拓扑地图。实验结果验证了所提算法的效果。3.距离角度控制模型具有良好的平台通用性,在基于卡尔曼滤波的同时定位与地图构建算法框架下,提出一种以其作为运动模型的静态结构化环境的地图创建方法。此外,为了降低状态向量维数从而降低计算量,提出一种用点特征与方向矢量计算邻接矩阵,进而用点特征与邻接矩阵完整描述环境信息的地图表述方法。仿真与实验结果显示所提算法创建的地图不但信息完整而且具有较高的精度。4.以基于卡尔曼滤波的同时定位与地图生成算法构建地图,在其它条件不变的前提下,只有增加机器人的运行时间和观测次数的才能提高地图的估计精度。为了缓解地图创建精度与效率之间的矛盾,提出一种利用约束改良地图估计结果的方法。算法通过分析协方差矩阵确定路标对,然后用少量先验知识与测量信息构成约束条件,从而改善地图估计效果。对比三种不同的约束构建方法,仿真结果表明以最大方差和最小方差路标对构成约束能大幅提高路标的估计精度,达到同时兼顾地图创建效率与精度的目的。实验结果进一步验证了所提算法对地图估计的改良效果。5.以粒子滤波算法为基础的FastSLAM算法存在退化问题,需要重采样缓解退化。但因为机器人历史时刻的状态估计误差包含在各个粒子的地图中,并不满足随时间遗忘的特性。重采样会引起粒子坍塌,并破坏路标估计的多样性,最终影响算法的估计效果。为此提出一种基于平滑的粒子权值计算方法,粒子权值不仅取决于当前的运动观测结果,而且与滑动窗口内的历史权值相关,从而可以抑制权值的过度波动,降低重采样频率。仿真结果表明,所提算法效果显著,能获得更精确的地图估计结果。6.针对动态环境的地图创建问题,提出了一种结合栅格模型和样本集合的动态环境建模方法。用栅格地图描述环境的静态结构,对机器人在不同位置不同时间采集到的传感数据,能充分发挥融合优势,获得更精确的估计结果；用样本集合表示环境中的动态障碍物,无需任何关于它们的位置、分布以及运动模型等先验信息,当前时刻的动态障碍物样本集合能够有效表达当前环境中的动态信息,动态障碍物的历史样本集合则可以方便的映射到栅格地图中进行后续处理,提取其中的关键信息,并对静态栅格地图形成有益的补充。实验结果充分表明了所提算法在创建动态环境地图时的有效性,所生成动态环境地图信息的完备性,以及对今后路径规划和导航的有利性。