室内环境是人类工作和生活的主要场所，也是移动机器人的重要工作环境之一，因此研究室内环境中移动机器人的同时定位与建图，不仅具有重要的理论意义，也将加快移动机器人进入日常生活服务于人类社会的步伐，具有广泛的实用价值和应用前景。然而，现有的SLAM研究大多基于点特征开展，无法描述环境的结构信息，建立的环境地图缺乏实际意义，另外，机器人在探索过程中通常以随机方式或预先跟踪指定路径的方式运动，缺乏自主性，对环境的适应能力比较差。　　 针对上述问题，本文面向室内环境，采用扩展卡尔曼滤波算法进行状态估计，对基于激光线段特征的移动机器人主动同时定位与建图问题开展研究，主要内容包括：　　 1.针对当前SLAM研究中点特征地图存在的缺陷以及部分基于线段特征地图的SLAM算法中状态估计不一致的问题，根据SP模型(Symmetries andperturbations model)理论建立基于激光线段特征的系统模型。　　 2.结合线段特征的特点，定义新的度量环境探索增益的指标-线段特征的虚拟延长线和实端点增加率，并将主动SLAM转化成多目标最优控制问题，把定位与建图的准确性和环境探索增益作为主要的评价指标，机器人执行最优化目标函数的控制输入以实现主动的运动方式，从而更高效、更准确地完成同时定位与建图。　　 3.对主动探索过程中机器人落入局部陷阱导致建图失败的问题进行分析，并给出基于行为与基于广义voronoi图两种不同层次处理方法，必要时引导机器人脱离局部陷阱向未探索区域运动以完成对整个环境的建图。