近年来随着移动机器人、远程控制、人工智能等技术的发展,依靠远程终端实现对移动机器人的控制已得到广泛应用,但目前已有的远程控制智能化程度较低。针对这一现象,本文将ROS智能小车、Android终端和语音识别相结合,并进行了深入研究。对于ROS智能小车,论文首先完成了车体硬件和软件系统的设计,其次对基于粒子滤波的SLAM(Simultaneous Localization and Mapping)实现过程中存在的位姿估计不精确、粒子多样性丢失现象提出了改进的proposal分布和重采样策略。对于Android语音控制终端,设计首先实现了ROS与Android两个平台的通信,其次将其与百度在线语音识别相结合,设计了一款基于Android平台的ROS智能小车语音控制系统。论文的主要研究内容包含以下几个部分:论文首先设计了智能小车端的硬件和软件系统。硬件系统设计包括主控板、激光雷达、直流电机等硬件设备的选型和驱动板电路的设计,并实现了各个硬件之间的连接和通信。软件系统设计包括智能小车运行所需要的功能模块,包括有激光雷达、驱动电机、惯性测量单元运行的软件节点,也包括定位、导航、控制等算法节点建立。在Android软件系统设计过程中,首先比较了云语音识别和本地语音识别的优缺点,选择以识别效率和准确率更高的云语音识别技术来对语音控制指令进行识别。其次比较了Rosjava和RosBridge两种通信方式,确定了以Rosjava的形式来实现Android与ROS两个系统之间的通信,从而将识别的结果传输到ROS小车端,实现Android端对小车的语音控制。对即时定位和同步建图进行了深入的研究,将RBPF-SLAM的proposal分布和重采样策略进行优化。首先以激光雷达和里程计的数据共同作为proposal分布的依据,提高位姿估计的精确度;其次引入有效粒子数来判断整体的退化程度,来判断是否执行重采样操作,并优化了采样策略,以区间重采样为采样策略,保留了中等权重粒子,对高、低权重粒子进行重采样操作,确保了粒子多样性,也提高了采样过程的效率,并通过matlab进行仿真证明了改进后的RBPF-SLAM在位姿估算和地图建立过程中有了提高。