1、移動機器人作為機器人學中的一個重要分支，隨著傳感技術、人工智能等相關學科的發(fā)展，移動機器人正在向智能化和多樣化發(fā)展，應用越來越廣泛。本文主要研究未知環(huán)境中移動機器人運動的環(huán)境建模、同時定位與地圖創(chuàng)建（SLAM）以及路徑規(guī)劃的問題。論文在對相關理論和方法進行系統(tǒng)分析和研究的基礎上，主要針對移動機器人在環(huán)境建模及定位過程中傳感器信息存在不確定性、數(shù)據(jù)關聯(lián)難以解決、路徑規(guī)劃結(jié)果安全性差以及定位與地圖創(chuàng)建精度不高等方面進行了研究。主要工作概括如

2、下：
　　 1、介紹了移動機器人的發(fā)展歷史、國內(nèi)外研究現(xiàn)狀和典型代表機器人。對目前移動機器人定位技術、路徑規(guī)劃技術、多傳感器信息融合技術、同時定位與地圖創(chuàng)建（SLAM）技術等關鍵技術和研究熱點的進展情況進行了歸納，為論文后續(xù)研究打下基礎。
　　 2、通過對移動機器人功能需求進行分析，體系結(jié)構(gòu)進行設計，對各處理之間任務進行細化分配，設計了一種以DSP微處理器為核心，利用舵機帶動單聲納傳感器掃描的低成本移動機器人測距設計方案

3、，較傳統(tǒng)聲納環(huán)設計方案，系統(tǒng)的復雜度得以降低。同時對其軟硬件體系結(jié)構(gòu)、移動機器人坐標系、運動及觀測模型等進行了分析。
　　 3、分析了聲納測距原理和工作特性，以及造成聲納傳感器測距不確定的因素；對三種聲納傳感器模型進行了介紹；分析了目前針對聲納測距傳感器不確定信息的描述和處理方法，對其中的灰色系統(tǒng)理論、模糊邏輯理論、Dempster-shafer證據(jù)理論模型方法進行了分析，并對其特點進行比較；將貝葉斯概率估計和Sobel邊緣檢測

4、算法相結(jié)合，提出了一種環(huán)境建模和環(huán)境特征提取算法。在高斯聲納模型基礎上，利用貝葉斯估計對柵格地圖進行概率更新，并結(jié)合Sobel邊緣檢測算法提取特征點，實現(xiàn)了由不確定的移動機器人坐標系向固定的以環(huán)境特征點為原點的全局環(huán)境坐標系的轉(zhuǎn)換及全局定位。該算法的有效性通過實驗進行了驗證。
　　 4、對移動機器人同時定位與地圖創(chuàng)建（SLAM）問題進行了結(jié)構(gòu)化描述。對兩種目前主要使用的SLAM算法：EKF-SLAM算法和基于RBPF的FastS

5、LAM算法的原理和算法流程進行了分析和比較。其中FastSLAM算法對傳感器精度要求較高，對在探測過程中出現(xiàn)的異常點敏感，錯誤的匹配將產(chǎn)生嚴重的后果。針對FastSLAM算法不適用于精度較低的聲納測距傳感器這一問題，在第三章環(huán)境建模及環(huán)境特征提取算法的研究基礎上，提出了一種基于概率柵格地圖環(huán)境特征點提取匹配的移動機器人粒子濾波混合SLAM算法。其基本思想是基于蒙特卡羅定位原理利用粒子濾波算法對機器人運動軌跡進行估計；利用概率柵格地圖環(huán)境

6、特征提取算法對路標坐標進行估計。算法基本框架可概括為環(huán)境感知、特征匹配、狀態(tài)更新、地圖更新，特征提取五個過程。通過室外自然環(huán)境實驗對算法的有效性進行了驗證。該算法較好地解決了聲納測距傳感器由于散射角大帶來的特征點估計不準的問題，對環(huán)境路標和機器人軌跡的估計都比較準確。
　　 5、對人工勢場（APF）模型特點進行了描述，分析了改變勢場參數(shù)對路徑規(guī)劃結(jié)果造成的影響。減少局部極小點，將導致路徑安全性降低；提高路徑安全性將導致局部極小問