随着科学技术的不断迭代推进,在制造业、运输业及先进农业等领域,设施集群化、设备自动化的趋势愈发明显,这也促使机器人产业进入了前所未有的迅猛发展阶段。轮式移动机器人由于成本合理、驱动便利,在众多领域中发挥着重大作用。为使机器人在任意环境中能够实现自主定位与导航,SLAM技术应运而生。本文针对移动机器人可能出现的使用场景,论证分析了机器人能够适应广泛环境的底盘结构,并对底盘的主要硬件进行了简要介绍。在底盘机理建模基础上构建了四轮全向移动平台的运动学模型,由航迹推算得到了机器人里程计数据。针对机器人在未知运行环境中可能存在的非结构化因素,提出了通过传感器观测数据构建因子图的图优化二维SLAM算法,并在后端进行非线性全局优化。由于观测数据是一种时间序列,本文改进性地提出了使用局部增量QR矩阵分解的方法实现iSAM。iSAM使用增量更新的方式在现有硬件基础上保证了运算的实时性,并在后端通过间隔的全局优化确保了求解结果的可靠性。通过检测激光扫描帧相似性的方法实现了前端匹配及回环检测,并通过插入相似性检测到的回环因子,在图优化框架下将回环纳入全局优化的问题。在V-REP仿真软件的基础上,根据已有差速移动机器人,利用Solidworks插件搭建了与ROS通信的联合实验环境。本文利用所提出算法及主流开源算法,在虚拟仿真环境和数据集上分别进行了在线地图构建,对比了不同算法所构建的环境地图,并通过第三方软件对地图的各项主要指标进行了评估,证明了本文算法在不同数据上的良好鲁棒性。此外,在室外非结构环境中,使用全向移动底盘进行了在线环境构建测试,验证了本文算法在动态、非结构化大型环境中的地图构建能力。