1、目前，移動機器人的研究范圍已經從地面擴展到水下、空中、甚至太空和行星表面等多種環(huán)境，并取得了卓越的研究成果。在所有移動機器人的研究中，機器人自身的準確定位是一項最基本、最重要的功能。機器人自身定位的準確性依賴于環(huán)境地圖的精確性，然而精確的環(huán)境地圖重建又依賴于機器人自身定位的準確性。因此，環(huán)境地圖的重建和機器人自身定位是一個相互關聯(lián)的過程，為了實現(xiàn)機器人真正意義上的自主性，必須將這兩個問題作為一個問題來進行考慮，以使得移動機器人同時具有準

2、確的自身定位和精確的環(huán)境地圖重建能力。本文針對這一問題，對環(huán)境地圖重建，機器人定位以及多機器人地圖融合算法分別進行了研究。
　　 第一章緒論部分首先闡述了當前移動機器人技術的研究現(xiàn)狀，然后對移動機器人的環(huán)境地圖重建方法和定位算法進行了分類，最后給出了本論文的研究內容和論文結構。
　　 第二章提出了一種新的二維激光測距儀數(shù)據(jù)分段算法。首先，構造了激光測距儀相鄰數(shù)據(jù)點間的預測關聯(lián)模型和測量模型。然后，利用無味卡爾曼濾波器對預

3、測關聯(lián)模型和測量模型的輸出進行估計，通過測量模型的輸出和實際二維激光測距儀的測量數(shù)據(jù)獲得各個測量數(shù)據(jù)點的卡方分布，根據(jù)卡方分布進行測量數(shù)據(jù)中線段間斷點的檢測。最后，利用極坐標系下的最佳傾角和最佳距離對處于同一線段內的測量數(shù)據(jù)點進行線段擬合。
　　 第三章提出了基于稀疏擴展信息濾波器的機器人同步定位與地圖重建算法中稀疏化操作的最佳時機，合適的稀疏化操作方法，以及稀疏化操作后信息矩陣最大內存占用量的解析表達式。首先，通過對每個可應用

4、稀疏化操作位置的稀疏化操作時間消耗和信息丟失進行分析，得到了稀疏化操作的最佳時機。然后，對迭代稀疏化操作和批處理稀疏化操作的計算量進行比較得到了一種合適的稀疏化操作方法。最后，通過對信息矩陣的分析，得到了稀疏化操作后信息矩陣最大內存占用量的解析表達式。
　　 第四章提出了改進重采樣方法和粒子采樣函數(shù)的FastSLAM算法。首先，通過蒙特卡洛方法分析可知，粒子重采樣和粒子采樣函數(shù)是影響FastSLAM2.0算法中機器人位姿估計一致

5、性的兩個主要因素。然后，在粒子重采樣判定時，綜合考慮了粒子權重分布、各個粒子在上一時刻的測量殘余一致性以及有效粒子數(shù)；在新粒子生成時，先利用指數(shù)等級方法選取父粒子，再根據(jù)交叉算子和選取的父粒子生成新的粒子。最后，構造了一種改進的輔助粒子濾波器，并將其作為FastSLAM算法的粒子采樣函數(shù)。
　　 第五章提出了一種基于機器人間相對測量數(shù)據(jù)的地圖融合算法。首先，根據(jù)機器人間的相互測量數(shù)據(jù)推導出了多機器人的地圖融合模型。然后，利用擴展