在移动机器人领域中,同时定位与地图创建(SLAM,Simultaneous Localization and Mapping)为移动机器人导航及智能操作提供了可能,其中地图创建是SLAM的根基,因此,地图创建方法及应用研究具有重大意义。同时,鉴于基于机器人操作系统(ROS,Robot Operating System)在代码复用和功能扩展方面的巨大优势,本文在该平台上对机器人地图建立方法和应用等关键技术开展了分析、研究工作。本文围绕地图创建中环境信息获取并表征的方法,针对激光传感器特有射线模型,采用基于改进的连续边缘提取方法(ISEF,Improved Successive Edge Following)进行快速分段及滤波,采用区域内增长法判定特征夹角等问题,提高了数据预处理的有效性。结合SLAM关键步骤,对地图构建中扫描匹配方法展开研究,探讨了基于点点测度的极坐标扫描匹配、基于线特征的扫描匹配、基于点线的最近点迭代扫描匹配(PLICP,Point-Line Iterative Closest Point)算法,并主要分析了PLICP与ICP相比具有闭合解,能在有限步骤内收敛,更适用于求位姿解。在相关研究基础上,提出基于激光传感器的PLICP匹配位姿估计和里程计位姿估计的融合,再与RBPF(Rao-Blackwellized Particle Filter)粒子滤波结合的SLAM方法创建栅格地图。针对误差较大的里程计读数,利用PLICP对相邻两次激光扫描数据进行匹配求得机器人位姿变换,与基于里程计的位姿变换进行最优估计,能够改善基于里程计读数的建议分布函数,降低不确定性对位姿估计的影响,提高创建地图及机器人定位的精确度。实验实现了扫描匹配和机器人定位,分别对离线数据和实时室内数据进行了地图创建,证明本文提出方法的有效性。