移动机器人同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）是实现机器人自主导航的关键技术之一。使用SLAM技术构建的二维地图已经在移动机器人自动导航中得到广泛的使用。机器人活动能力的不断增强和室内环境的日益复杂，使得机器人必须考虑环境的三维信息，三维地图无疑更接近于现实生活场景，机器人可以根据三维地图信息决定其移动策略，更好的实现自动导航。　　随着图像处理技术和计算机视觉技术的发展，基于视觉定位的SLAM近几年开始广泛的应用于移动机器人三维室内地图构建中，然而视觉定位的实时性较差，同时在一些特征较少且高度对称的环境中，例如走廊，视觉定位会产生特征匹配失误，特征匹配失误会造成累积误差，累积误差导致机器人错误的定位，错误的定位会影响所构建三维地图的质量。二维地图下基于激光雷达的蒙特卡罗定位（Monte Carlo localization,MCL）有更高的定位精度，因此本文提出利用二维地图下基于激光雷达的蒙特卡罗定位来解决三维地图构建中的定位问题，同时利用Kinect传感器采集周围的环境信息来构建局部三维地图，通过二维地图下的定位我们能得到不同时刻机器人的位姿，之后求解出这些位姿间的转换矩阵，使用这些转换矩阵对局部三维地图进行拼接，最后得到全局三维地图。为了验证所提方法的性能，我们在机器人TurtleBot2和自制机器人上进行了实验，构建了三维室内走廊地图。同时在相同走廊场景下，使用2014年提出的RGB-D SLAM构建了三维地图，并与所提方法进行了实验对比，实验结果表明，本文所提方法在室内走廊环境中能构建出更好的三维地图。