近些年来,随着科学技术发展的日新月异,机器人在工业、农业、家庭生活等各个方面得到了广泛应用。人们对移动机器人导航技术进行了深入研究,同时定位与地图创建(SLAM)作为移动机器人导航中主要算法,经过几十年的不断发展,已经广泛应用于地面、水下等多种环境。由于现实环境是复杂多变的,如何更好的改善移动机器人在非结构环境中导航的自主性和稳定性是机器人SLAM着重要解决的问题。针对直接利用SIFT算法会产生很多误匹配的情况,本文提出了将SIFT算法与霍夫变换结合的方法,首先建立霍夫单元格,然后将含有的匹配对数小于某个阈值的单元格中的匹配删除。试验结果表明该方法可以提高匹配的正确率,为后面机器人导航奠定基础。本文详细构建了移动机器人的系统结构模型,分别包括移动机器人的坐标系统模型、传感器观测模型、运动模型、环境地图与环境特征模型、数据关联模型等,这些模型的创建为移动机器人导航搭建了硬件平台。本文针对经典卡尔曼滤波算法在移动机器人SLAM中定位误差问题,提出了卡尔曼算法与强跟踪滤波器相结合的方法,提高了移动机器人在运行环境中进行自身位置标定的准确度,极大的增强了机器人在导航过程的稳定性能。