全自主移动机器人在未来将起着越来越重要的作用。同时定位与地图创建利用机器人自身携带的传感器感知周围的环境以确定机器人在环境中的位置以及对环境进行建模，是实现真正自主移动机器人的关键，也是机器人研究领域中的难点问题。本课题来源为广州市科技攻关项目：中央空调风管空气质量分析机器人及智能软件平台研制。本文主要研究如何利用激光传感器，实现单机器人同时定位与地图创建，以及多机器人协同同时定位与地图创建，主要内容包括以下几个方面：　　 首先，本文对单机器人同时定位与地图创建算法进行研究。为了避免通过类似最近点匹配方法建立两个相邻时刻扫描匹配点的对应性而占用SLAM算法的大量计算时间，本文提出一种优化的栅格地图更新算法，在更新扫描点被占据的概率同时，使用平滑相似度函数更新扫描点周围区域栅格的被占据概率；在此基础上提出一种新的计算当前观测数据和环境地图匹配程度的评估函数，大大降低了扫描匹配算法和粒子权重计算的时间，提高了SLAM算法的效率。同时，针对传统扫描匹配算法存在的缺陷，提出遗传梯度下降扫描匹配算法，通过遗传算法解决两个任意方向的扫描数据间的预配准问题，从而保证了扫描匹配算法的有效性，减少同时定位与地图创建所需要的粒子数，减小地图创建中的计算量与所需要的存储空间。通过以上改进，在保证SLAM创建地图的精确性的同时减少了创建地图所需时间，提高了算法的效率。　　 其次，本文对多机器人协同同时定位与地图创建算法进行研究。在基于Rao-Blackwellised粒子滤波器的多机器人协同同时定位与地图创建算法基础上，增加机器人相遇时的地图匹配融合过程，适用于机器人坐标系之间的相对关系已知和未知的情况，具有很好的通用性；同时，将本文提出的基于遗传梯度下降扫描匹配的单机器人同时定位与地图创建算法融合到多机器人同时定位与地图创建算法中，同时保证了多机器人协同同时定位与地图创建算法的效率和创建地图的精度。　　 最后，本文设计和开发了风管空气智能分析机器人软件系统，该系统采用层次化、模块化的设计方法，具有很好的通用性、可扩展性和可移植性：同时，设计了同时定位与地图创建子系统，作为本文提出的算法运行的框架。