自主移动机器人是机器人技术的一个重要研究领域,在未知环境下通过传感器信息进行环境探索,并同时构建相应的地图是自主移动机器人应具备的基本能力。针对未知室内场景下移动机器人自主环境探索与地图构建问题,本文主要从三个方面进行研究,包括移动机器人的同步定位与建图,自主探索策略以及路径规划,并进行了仿真验证和移动机器人实验。完成的主要研究内容如下:(1)同步定位与建图部分负责获取移动机器人的位姿信息和环境的栅格-八叉树混合地图。本文基于改进的Rao-Blackwellized粒子滤波算法对移动机器人进行位姿估计,为实现机器人快速导航并获取更加丰富的环境信息,利用激光信息和深度相机信息同步建立环境的栅格-八叉树混合地图。(2)自主探索策略部分负责选取探索的目标位姿。本文提出了一种基于混合提取算法的自主探索策略,包括前沿点的提取与分组,候选点的提取和候选点的评估。通过八叉树地图提取前沿点并分组,各组中心前沿点作为关键前沿点。针对单一候选点提取算法具有局限性的问题,本文提出了基于几何规则的局部型候选点提取算法和基于可通行空间的全局型候选点提取算法,结合这两种算法提出候选点复合提取算法,能同时兼顾自主探索的快速性和对环境的遍历性。本文综合考虑行驶距离、旋转角度和信息增益,构建效益函数对候选点进行评估。对于局部型候选点和全局型候选点,分别使用循环遍历算法和贝叶斯优化算法选取最优候选点作为探索目标点。(3)路径规划部分负责驱动机器人到达目标位姿。针对室内环境复杂多变的问题,本文基于分层代价地图进行环境建模,同时使用二维激光信息和三维点云信息进行障碍物检测。使用A*算法进行全局路径规划,基于前向动作约束改进动态窗口法,使用改进的动态窗口法进行局部路径规划,并基于ROS(Robot Operating System)功能包实现机器人自主导航,使机器人在室内环境下能够安全高效的行驶至目标位姿。(4)最后,在Gazebo仿真环境中对本文的自主环境探索系统的各项性能进行了仿真。并以搭载了激光测距仪和深度相机的Turtlebot2机器人作为硬件平台,以ROS作为软件框架搭建实验平台,进一步利用实验验证了本文自主环境探索系统的有效性。