移动机器人的地图构建是移动机器人实现真正意义上自主导航的前提,也是移动机器人关键技术研究中最具挑战性的问题之一。利用激光雷达构建环境地图的方法基本上可以满足大范围、障碍物单一的场景。但是由于激光雷达为人诟病的一线扫描,只能获得某一个二维平面的环境信息,不能够获得空间三维高度环境信息,造成移动机器人构建地图不完整、不准确,缺失环境中较为重要的障碍物信息,在导航中出现移动机器人误撞现象。本文针对上述问题提出一种基于激光雷达和深度相机多传感器融合的构建环境地图新方法,主要研究内容如下:首先,建立移动机器人坐标系系统、运动学模型,研究激光雷达模型和深度相机模型,并对深度相机内外参数进行标定,介绍移动机器人常用的地图及其模型建立。其次,SLAM地图构建算法理论研究和仿真分析。建立SLAM数学模型,介绍了 SLAM的原理和系统结构,引出SLAM的关键问题。然后从理论分析方面分别对Gmapping-SLAM算法、Hector-SLAM算法、Cartographer-SLAM算法进行了深入地研究,在ROS系统上分别对三种常用的地图构建算法仿真。分析仿真实验结果得出Gmapping-SLAM算法综合性能较好,作为本文移动机器人SLAM的解决方案,为后文多传感器融合构建环境地图做铺垫。再次,多传感器融合方案研究。结合激光雷达和深度相机两种传感器的特点进行优势互补,提出了多传感器融合构建地图新方法。研究多传感器融合过程中深度图转换为伪激光的原理,详细阐述了将环境三维高度信息投影到二维平面信息的新方法,采用双边滤波处理深度图中噪点和空洞区域。对激光雷达和深度相机转化后的激光数据采用Gmapping-SLAM建图算法构建局部栅格地图并采用贝叶斯方法结合地图融合规则进行局部栅格地图融合。最后,使用实验室移动机器人研发平台,在真实环境中分别采用只使用激光雷达构建环境地图和本文所提出多传感器融合新方法构建环境地图。实验结果显示,多传感器融合新方法构建的环境地图更加完整、准确,证明了本文多传感器融合新方法的可行性。