随着智能控制技术、计算机和网络技术以及仿生学、人工智能等学科的飞速发展,智能移动机器人技术的研究越来越受到国内外学者的关注。移动机器人同时定位与建图是实现智能机器人自主导航的关键,也是移动机器人进行路径规划、环境探索、全局地图创建的重要基础。本论文结合课题需求,着重研究未知室内环境下轮式机器人同时定位与建图问题。课题研究的主要工作有以下几个方面:1.针对课题需求,对轮式机器人的运动模型进行了细致研究,特别是针对本论文中的FastSLAM算法和粒子群优化算法中对位姿预测的特点,结合实际运动控制要求,设计了一套较完善的机器人里程计位姿采样估计算法。算法中产生的采样点能够较好的覆盖移动机器人的真实位置。使用该采样算法能够对机器人下一时刻的位姿预测提供更有效预测数据。2.在地图创建中,采用2D激光雷达作为主要环境感知传感器,针对室内结构化环境,设计了一种扩展的直线段模型,并针对该模型使用一种快速可靠的线段特征提取算法。该算法充分利用了激光雷达精确性与快速性的特点,使用滑动窗口方法提取出环境的结构化特征。该方法运算起来简单迅速,能够在短时间内对环境进行多次扫描与分析,从而达到环境辨识的目的,基本满足机器人实时导航的需求。3.提出一种粒子群优化的同时定位与建图方法,该方法将粒子群优化思想引入到机器人同时定位与建图算法中。通过将最新的观测值融入到粒子群优化方法中,来调整粒子的提议分布,增强了预测的有效性,使重采样后所获得的粒子更好地服从机器人位置的后验分布。从而使得粒子集中于机器人的真实位置附近。通过对粒子集的优化,有效的克服粒子贫乏问题,并且减少了所使用的粒子数以及计算的时间复杂度。同时,对该改进的方法进行了算法仿真实验,实验证明使用粒子群优化的FastSLAM方法能够明显的减少算法中所使用的粒子数,提高了采样粒子的有效性,同时在基本不影响计算时间的条件下,实现了创建地图精度的提高。最后,使用实时试验数据对该算进行验证,实验结果符合预期目标,证实了算法的可行性和有效性。