机器人自主定位是移动机器人自主导航的前提,而机器人的定位需要以环境地图为基础。但在未知环境地图的情况下,为了实现机器人的定位,机器人就需要具有同时定位与地图创建(SLAM)的能力。同时定位与地图创建是指在未知环境下,机器人通过传感器测量周围环境信息,逐步估计自身位置和运动状况,并且同时估计和描绘周围环境地图的过程。同时定位与地图构建是自主移动机器人领域的重要研究方向,也是移动机器人实现自主导航、在未知环境中执行任务的关键,集中体现了机器人的感知能力和智能水平。EKF算法是SLAM中最常用的方法。但是EKF算法存在一些问题,如必须事先知道非线性函数的具体形式,其线性化过程会产生误差并导致滤波发散,在大范围环境下具有较高的计算复杂度。为了解决以上这些问题,本论文提出了基于条件独立子地图的UKF_SLAM算法。本论文首先介绍了环境地图的表示形式、卡尔曼和扩展卡尔曼滤波算法。在建立系统模型的基础上,阐述了SLAM的基本原理。接着基于EKF,介绍了SLAM的基本过程。在此基础上,针对EKF_SLAM算法中的计算复杂度和线性化误差问题,深入研究了条件独立子地图方法。在该方法中使用了条件独立子地图,一方面可以降低了计算复杂度,另一方面由于子地图之间是条件独立,子地图之间可以共享观测信息,这样就克服了独立子地图不能共享信息的缺点。针对EKF线性化所产生的误差问题,引入了UKF算法。它可以用粒子点来近似非线性函数的概率分布,克服了EKF中的线性化误差。提出了将条件独立子地图和UKF算法相结合的方法,解决了EKF_SLAM算法计算复杂度和线性化误差问题。通过仿真实验对算法进行验证,验证了所提出算法的可行性和有效性。最后,对全文进行了总结,并对今后的进一步研究进行了展望。