在机器人领域高速发展的今天,人们对于机器人自主性的要求已经越来越高,已经不满足于手动地控制,而是希望机器人能够按照自己的意愿自主地行动。机器人导航和建图是机器人功能重要的组成部分,在已有地图的条件下,机器人已经可以按照指定目标点去自主地规划路线,但是建图部分仍然需要人们去手动操作,并且对于操作人员的有一定的技术要求。针对机器人建图无法自主化的问题,本文以陌生环境下机器人自主建图算法为研究课题,重点研究了快速随机树RRT的探索原理以及机器人自主建图的整体流程,主要研究内容分为以下五个方面:(1)对于整体移动机器人的系统结构进行了建模,分析了整体移动物流系统机器人底盘的结构和运动模型,研究了目前几种市场上主流的机器人建图算法,并分别对其进行了简单的系统理论分析推导,根据本文的研究目的和实际情况,选取了实际应用中建图算法效果最好的Gmapping-SLAM算法作为本文的主要建图算法。(2)主要研究了基础的RRT快速探索随机树算法的结构和原理,参考基于未知环境路径规划的RRT快速探索随机树算法,根据本文的主要研究方向和目的,在基础的RRT快速探索随机树算法的理论基础上提出了基于对未知的环境进行探索的穿墙随机树算法,扩大了随机树的分布和生长条件,增加了对栅格状态判断函数的要求和标准,丰富了对rrt随机树算法的实际应用和研究范围。(3)研究了如何加快机器人探索速度,根据实际机器人探索未知环境的情况,在应用穿墙随机树算法时,加入了固定步长和运动半径两个限定条件,使机器人运动目标点以一定的频率刷新。采用全局随机树和局部随机树相结合的方式,局部随机树根据机器人当前位置不断重置,既缩短了时间,又使探索范围更全面。(4)研究了机器人建图的整体流程,分析了流程中每一步对应的算法原理,最终将所有算法整合,衔接流畅,是机器人达到自主探索的目的。(5)搭建实验环境对算法结论进行验证,在仿真环境和实际场景中对机器人进行测试,机器人成功自主建图。效果良好,且优于传统的快速随机树探索策略和图像处理探索策略。