机器人在工业、农业、军事等行业已经得到了广泛的应用,机器人被用来减轻或者代替人类进行繁重的生产劳动。随着技术的进步,人类对机器人的智能性和自主性提出了更多的需求。特别是在一些环境恶劣的地区开展侦查、勘探或救援工作,例如核事故、森林火灾等事故现场,工作人员往往需要先建立现场的地图才能够进行下一步的工作。针对这样不适合人员直接进入的场景,需要设计一套不依赖外部数据的自主探索机器人系统,确保机器人能够在没有外部数据交互的情况下完成对陌生环境的自主探索。本文围绕机器人自主探索的问题,提出了一套涵盖了底层硬件设计与搭建到上层地图建立、探索决策和控制算法的机器人自主探索方法。设计采用基于视觉传感器和激光传感器的实时地图建立算法,根据周围环境建立点云地图和二维栅格地图,估算出机器人的实时位姿,将两种传感器得到的位姿进行数据融合,并根据点云地图和栅格地图中的环境信息做出探索的决策,使机器人完成自主探索。对于诸如四旋翼无人机这样的飞行机器人,由于受到载重和电源供给的限制,机载传感器的选择非常有限,本文也提出了基于视觉传感器和惯性导航传感器融合的自主探索系统,同样能够完成对陌生环境的自主探索。论文首先探讨了机器人自主探索的框架结构。针对不借助外部传感器数据的应用场景下,提出了一套完整的基于SLAM与多传感器数据融合的机器人自主探索方法。利用视觉传感器和激光传感器采集到的数据建立地图并进行实时定位。将视觉传感器定位的结果、机器人里程计与激光传感器定位的结果进行数据融合得到更为精确的机器人定位结果,并根据地图和探索策略控制机器人移动并对陌生环境进行自主探索。之后论文研究了探索决策算法。提出了基于周围环境的探索策略,通过机器人当前建立的地图中已知和未知的环境信息,决定机器人探索区域内未知环境的策略。给出基于周围环境的探索策略算法,并分析该算法在探索过程中的特点。然后论文介绍了自主探索机器人的硬件和软件设计方法。以智能车平台为例着重介绍了的动力系统设计方法和运动控制系统设计与搭建方法,介绍了基于Linux下ROS系统搭建智能车传感器驱动、数据处理以及运动控制系统的方法。最后通过计算机模拟基于周围环境的探索策略的自主探索过程,得到大量的仿真结果,验证了该自主探索策略的有效性。通过智能车和飞行机器人的验证试验,验证了本文关于机器人自主探索方法在陌生环境的自主探索过程中的作用。