一．研究背景 随着科学技术的快速发展,机器人的研究发展得十分迅猛,特别是自主移动机器人的研究,已经成为机器人技术领域的热点，现在移动机器人[1]技术在工业、农业、医学及社会服务业等领域的显示了越来越广泛的应用前景。

而自主导航能力是移动机器人智能化程度的重要体现,机器人的同时定位与地图创建也是目前热点研究问题。

在未知的环境里，在不依赖GPS的情况下，移动机器人需要建立一个准确的环境地图，同时还要确定自己在地图中的具体位置，这是移动机器人需要解决的主要问题。

其中地图的准确性即指所设计的移动机器人在复杂的环境下，依赖自身携带的传感器就可以完成相应的指令。

定位是指机器人在其所处的工作环境中，根据已知的特征来确定自身位置的过程；地图创建是指机器人所处环境的不同物体如障碍物、路标等的准确的特征描述及空间位置。

机器人依据所建立的环境地图信息进行自身的定位，同时机器人又根据定位的效果来更新环境地图，将两者结合起来进行研究，就叫做移动机器人的同时定位与地图创建（Simultaneous Location and Mapping，SLAM)[2]。

目前最为经典和常用的在线SLAM解决方法为扩展卡尔曼滤波器（Extended Kalman Filter，EKF）、粒子滤波器（Particle Filter，PF）。

移动机器人SLAM问题就是机器人如何根据传感器的感知获得环境的二维空间或三维空间模型，环境建模涉及地图描述、传感器、不确定信息的描述和处理等多方面的研究内容。

地图描述方法即环境的空间模型，目前对于移动机器人，一般简化为二维的模型，大致可以分为栅格地图、几何地图和拓扑地图。

栅格地图可以描述环境的几何特征，也是最具代表性的方法。