随着科技的进步和社会需求的不断提升,人类对于室内移动机器人的相关研究愈发深入。现有的移动机器人采用单一的激光或视觉传感器在室内未知环境下构建地图,存在建图精度差的问题,以及建图过程中移动机器人自主性差的问题。针对这些问题,本文提出了一种基于多传感器融合（Multi-sensor Fusion,MSF）的自主探索与地图构建方法。本文首先给出了系统整体方案的框架,包括相关硬件系统的框架和软件平台各个功能模块的框架。提出了一种二维到三维的多传感器数据三次融合方法。采用扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法融合车轮里程计和惯性测量单元（Inertial Measurement Unit,IMU）作为第一次数据融合,避免了因为地面不平整等原因导致机器人定位出现偏差的问题;将第一次融合数据通过粒子滤波（Particle Filter,PF）算法与激光雷达数据进行第二次数据融合,以用于二维地图的创建;将第二次融合数据通过贝叶斯估计（Bayesian Estimation,BE）算法与深度摄像头数据进行第三次数据融合,以用于三维地图的创建。然后通过在室内真实环境中测试和对比几种二维及三维场景同步定位与建图（Simultaneous Location and Mapping,SLAM）方法,包括Gmapping、Hector、Karto、Cartographer,选择Gmapping方法用于创建二维地图;采用实时的、基于外观的定位与构图（Real-Time Appearance-Based Mapping,RTAB-Map）方法用于创建三维地图。根据室内实际环境选出Dijkstra算法和TEB算法分别完成全局路径规划和局部路径规划。研究基于快速探索随机树（Rapidly-exploring Random Tree,RRT）的自主探索策略,并根据实际调试情况,优化了边界点过滤条件,使自主探索建图能够有效进行。结合多传感器数据融合算法,实现了室内真实环境下二维及三维地图的自主创建。最后在室内真实环境（实验室及走廊）下进行多次测试,验证了本文多传感器数据三次融合和自主探索策略的有效性和实用性,最终实现二维到三维地图精度渐进提升的效果,为移动机器人在室内环境下实现自主运行提供了技术保证。