移动机器人的同时定位与建图(Simultaneous Localization and Mapping,简称SLAM)是其实现完全自主导航的关键,SLAM问题是指一个实体(机器人,交通工具,甚至一个佩戴在人身上的携有传感器的CPU单元)能够对探索过的环境建立一个全局的地图,同时能够在任何时候利用这个地图去推测出自身的位置。近年来,SLAM问题研究已逐渐从传统的滤波器架构向图优化架构转变,大量的研究文献也表明,基于图优化的SLAM性能更优、更具前景。ROS(Robot Operating System)是一款开源的分布式机器人软件开发系统,它具有种类繁多的机器人硬件抽象层接口,并嵌入了一些在机器人开发过程中常用的调试工具、可视化仿真工具等便利功能。因此,ROS正逐渐受到机器人研究者的广泛支持和喜爱。本文研究的主要内容是基于ROS的移动机器人SLAM技术,分别论述了基于滤波方法和图优化方法的SLAM解决过程。并在其基础上,提出各自相应的优化策略,取得了不错的实验效果。本文具体研究工作主要包括以下几个方面:(1)首先,阐述了SLAM的研究背景及国内外发展现状,并介绍了SLAM技术的应用场景和研究方向,确定了课题的研究方向。(2)分别从概率学状态估计角度和非线性优化角度介绍了两种当前主流的SLAM问题解决方法:RBPF-Based SLAM和Graph-Based SLAM。针对RBPF-Based SLAM,提出了基于DBSCAN聚类算法和APGDR重采样算法的优化措施;针对Graph-Based SLAM,提出了基于栅格分割的ORB特征点提取方法,通过统计栅格的特征分布指数来选取要进行ORB特征提取的区域,并通过DBSCAN算法来均匀化特征点的位置分布。(3)设计并搭建了移动机器人实验平台综合系统框架,完成了对各功能模块的移植、编写和测试,并根据所提出的新方法做了一系列相关实验。实验结果表明,本文所提出的方法的正确性和有效性。