SLAM(Simultaneous Localization and Mapping同步定位与建图)是实现移动机器人自主导航的关键,基于视觉和激光的SLAM是两种最常用的方法。基于RGB-D视觉的SLAM被广泛应用于室内场景,虽然RGB-D相机可获取丰富的环境信息,但存在易受日光影响、视野范围狭小、噪声大等缺点,在实际应用中精度和鲁棒性较差。同时,传统RGB-D SLAM方法未充分考虑冗余视野的滤除,而实际应用中,冗余视野的障碍不会对机器人的实际通行产生影响。另外,常应用于室内服务机器人的二维激光雷达虽然精度较高,抗干扰能力强,但环境信息的获取范围仅局限于一个平面,环境信息获取不完整。基于以上问题,本文提出了一种基于Kinect和二维激光雷达的低成本、精度高、可靠性强的室内建图与定位方法。本文的主要工作内容包括以下几个方面:(1)对国内外有关SLAM的文献做了深入研究,分别就视觉、激光、及多传感器的SLAM框架作了概述,同时提出本文要解决的问题及方法。(2)基于ROS系统搭建了RPLIDAR A2激光雷达和Kinect相机的多传感器移动机器人平台,建立机器人运动模型和传感器状态估计模型,再引入传统标定法以完成Kinect的RGB镜头和红外镜头的标定,从而获得Kinect的相机参数。(3)基于Kinect采集影响机器人通行高度范围内的深度图像,通过PCL处理得到与之匹配三维点云,并采用ORB特征点匹配方法得到相机的旋转及平移向量,进而实现点云拼接,再对点云降采样,采用Octomap算法对二维栅格占据进行评估,同时根据机器人实际通过能力,滤除地面上可通行高度范围障碍物的影响。(4)对于激光雷达,传统RBPF栅格地图创建方法存在粒子使用多,计算量大的问题,提出改进方案。通过结合激光雷达扫描数据,采用ICP特征点匹配改进建议分布函数和及自适应重采样,大大降低粒子的使用数量和计算量。(5)基于激光雷达和Kinect获取到的二维占据栅格,通过贝叶斯推理的规则完成多源传感器信息的融合实现了地图构建,同时实现了位姿图优化和基于词袋模型的回环检测。(6)对以上提出或改进的算法在仿真环境及搭建的移动机器人平台上进行实验,就多传感器与单一传感器在建图精度、系统实时性、以及多传感器融合可能新引入的误差等问题做了分析。