移动机器人的同时定位与制图(SLAM)问题是智能机器人领域的热点研究课题之一,是实现机器人自主导航的关键技术。研究表明,在SLAM技术领域应用最为广泛的算法之一是扩展卡尔曼滤波器(EKF),即运用非线性的运动模型和测量模型对状态及其协方差进行预测和更新。该算法得到的估计值既准确又迅速,然而这种优势仅仅体现在应用于尺寸较小的环境中。近些年SLAM算法越来越多的应用在户外大尺寸的环境中,随着环境中地标个数n的增多,标准EKF SLAM算法的计算复杂度呈O ( n 3),由此产生的计算成本高,误差累加等问题将严重影响该算法在大尺寸环境中应用的实时性和准确性,甚至导致算法失效。为了解决这一难题,并保留EKF在SLAM应用中的优势,本文提出了基于EKF的Fast Map Joining(FMJ) SLAM算法。该算法适用于移动机器人在大尺寸环境中的同时定位与制图过程。随着机器人在环境中的运动生成一组固定尺寸的局部子地图,再将所有子地图以分层方式进行快速地图连接,从而得到一个完整的全局地图。实验证明,相比较标准EKF SLAM算法而言,该算法不但能有效的改善SLAM算法的估计精度,还能减少计算成本。算法经过进一步的改进,使局部子地图的尺寸可以根据机器人周围环境地标的密度分布情况来确定,那么稠密地区生成的相邻子地图之间就具有更多的重叠地标,从而增加了两个子地图进行连接操作时的约束条件。计算复杂度分析和仿真结果均表明,改进后的FMJ SLAM算法对减少地图连接时间和进一步提高估计精度有显著效果。