机器人的发明,是为了改善人类的生活,帮助人类完成机器所能完成的任务,尤其是一些工序繁琐、要求精度高,且处于恶劣环境下的工作。在这样的工作环境下,移动机器人需要实现自主的定位和路径规划,因此机器人的即时定位与地图构建(Simultaneous Localization and Mapping, SLAM)技术变得尤为重要。作为移动机器人最基本、最重要的技能,SLAM技术使机器人具备了智能自主行走、避障以及寻物的能力,从而在太空探索、资源勘查、室内环境、室外环境、水下环境等领域都有非常广泛的应用。本文阐述了SLAM技术的研究背景、意义以及国内外研究现状,陈述了该技术的基本理论和主要算法,分别对卡尔曼滤波、扩展卡尔曼滤波以及粒子滤波的原理进行了分析,并在Matlab环境下进行仿真实验；接着,对基于扩展卡尔曼滤波的EKF-SLAM算法和基于粒子滤波器的FastSLAM算法进行了详细的介绍、仿真实验以及实验分析,并根据仿真结果,着重提出了对于FastSLAM算法的改进策略。最后在机器人控制系统(Robot Operating System, ROS)系统下,把改进后的FastSLAM算法运用到机器人的室内环境SLAM实验。在机器人实验中,改进后的FastSLAM算法减少了计算机的内存容量和计算时间,提高了SLAM过程的实时性。最后,本文总结了改进后的SLAM算法在稳定性、准确性、快速性三方面的特点,分析了实验过程中的不足之处和改进方向,并对以后的工作做了展望。