机器人技术是多种先进技术的聚合体，同时也反映了一个国家的自动化科技水平，机器人技术在短短的十几年的时间里得到了飞速发展，成功并广泛应用在工业、军事、生活等各个领域。自主导航一直是移动机器人领域的研究热点，而能够使移动机器人具有更好的自主导航技术的是同时定位与地图创建(simultaneouslocalization and mapping SLAM)，因此对SLAM的研究成为了移动机器人领域的研究新的热点。本文对基于扩展卡尔曼滤波器的SLAM的算法（EKF-SLAM）进行了研究。文章首先介绍了SLAM系统的构建，然后主要分析讨论了EKF-SLAM算法的一致性问题，并介绍了硬件平台搭建以及实验结果。以往研究中提出一些算法提高了EKF-SLAM的一致性，然而并没有研究测量噪声和观察次数对不一致的影响。本文提出了测量噪音和观测次数是引起不一致的两个因素，对所用到EKF-SLAM算法的理论基础进行了介绍，并分析了不一致性的特征并对相关定理进行了论述和证明，然后对影响一致性的两个因素分别进行理论分析和仿真分析，最后对影响一致性的因素进行综合分析讨论。从理论上证明了测量噪音和观测次数是影响一致性的两个因素。本文最后对SLAM的硬件系统设计进行了介绍。长久以来SLAM技术由于受到硬件条件的制约，使得不能有更多的科学工作者投入研究。本课题提出一种基于单个超声波测距的室内移动机器人设计思路。并以非常低廉的成本搭建了室内移动机器人SLAM实验环境，分别讨论了硬件的选型，参数以及功能，并提供了相应的器件和电路设计。