SLAM是机器人在未知环境中实现智能自主移动的重要技术。本论文主要就AGV机器人在陌生环境中进行自身地图构建以及定位和激光点云矫正方法做研究。论文的实验通过在机器人操作系统仿真平台(ROS)上搭建带有激光雷达的AGV机器人系统,实验采用RPLIDARA2激光雷达作为避障的传感器以及采用里程计作为内部传感器,同时经过仿真以及相应实体机实验验证了改进的SLAM算法。本论文的主要工作如下:首先,根据AGV以及SLAM算法的研究背景,分析现有激光SLAM算法的优缺点以及适用场景,根据对应SLAM算法在定位过程中存在的某些不足之处,结合机器人定位中常用的方法以及三大坐标系统和位姿变换方法理论,搭建实验样机。过程中对框架平台以及样机模型进行分析,其中框架平台包括以ROS平台为主导的AGV机器人软件框架、硬件平台;而模型构建中包括对机器人运动学模型及航迹推算模型进行分析以及对常用地图模型进行介绍;重点阐述了机器人在SLAM过程中的数学理论模型以及介绍了常用滤波算法,包括以贝叶斯方法为基础的卡尔曼滤波以及粒子滤波,并对所分析的算法进行比对选择;针对机器人在SLAM过程中由于存在相对运动产生的点云畸变现象,结合机器人数据联合匹配的常用算法ICP以及PLICP等算法对点云畸变现象的解决方法进行分析;最后对于机器人在SLAM过程中由于相对运动导致产生的点云数据畸变的现象,考虑到现有算法存在的不足,提出了一种改进的点云矫正方法,解决由于机器人在SLAM过程中出现激光点云畸变进而导致地图畸变以及定位不准的问题,并根据实体样机进行系列仿真和实验对算法进行实践验证。结合本文所提出改进算法理论,对实验过程以及实验结果中的数据进行分析。仿真以及实验结果同步证明,改进的激光点云矫正方法能较好的解决点云畸变的问题,同时具有较高的快速性和较好的准确性。