家庭机器人将成为未来数字化家庭中的重要一员，它不但能自主地完成打扫房间、照顾老人等家务，而且还能看家护院、教育与娱乐孩子、甚至还有管理其它家电产品等功能。近几年来，国内外很多的机器人研究机构以及著名的电器公司都在进行家庭机器人的研制。　　家庭机器人属于移动机器人的范畴，它需要在无人干预的条件下，在家庭环境中安全的从一个地方运动到另外一个地方，完成主人分配的任务。因此，自主导航是家庭机器人必须具备的功能。自主定位与地图创建是导航的两个子问题，是机器人规划安全路径的前提。而定位与地图创建又是紧密联系的两个问题，要实现定位必须要有地图，而创建地图又需要确定机器人的位置。为此，20世纪90年代初一些研究者就提出了同时定位与地图创建。随着移动机器人的研究向实用化方向发展，同时定位与地图创建已经成为机器人领域的研究热点。本研究课题是哈尔滨工业大学智能机器人研究中心与韩国三星综合技术研究院的联合项目“基于单目前端摄像头的家庭机器人同时定位与地图创建的研究”。本文主要研究如何利用低价的传感器：单目视觉摄像头，实现家庭机器人在室内环境中的自主定位与地图创建。主要内容包括以下几个方面:　　首先，本文将遗传算法中的交叉与变异操作引入到粒子滤波器中，提出了遗传粒子滤波器，由于进化操作可以使粒子朝后验概率分布较大的区域运动，因此在状态估计中，遗传粒子滤波器只需要少量的粒子就能获得较高的精度。在此基础上，针对粒子滤波器的早熟问题，将生态学中的协同进化模型引入到粒子滤波器中，提出了基于协同进化的自适应粒子滤波器。基于协同进化的自适应粒子滤波器也被称为协同进化自适应粒子滤波器，协同进化自适应粒子滤波器将粒子滤波器中的粒子分成不同的种群，每个种群代表了系统状态的一个假设，通过种群间的相互竞争与种群内部的进化，能够有效防止粒子滤波器的早熟现象；而且基于协同进化的自适应粒子滤波器可以根据系统状态的不确定性自适应地调整种群的规模，从而能够改善粒子滤波器的计算性能，同时基于协同进化的自适应粒子滤波器也拥有遗传粒子滤波器的优点。　　然后，本文对比例不变特征(Scale Invariant Feature Transform)的提取方法进行了研究。提出了基于K维树的SIFT特征匹配算法，并对基于SIFT特征的三维重建进行了讨论，在此基础上给出了一种基于比例不变特征的环境描述方法。与采用普通的特征如Harris角点、边缘等进行地图描述的特征地图相比，由于SIFT特征拥有自己的描述器，而且具有很好的可识别性，因此有益于机器人对环境进行识别，从而有益于机器人的定位与目标跟踪，同时也能更好的解决地图创建过程中的数据关联(特征匹配)问题。　　在以上研究的基础上，本文提出了一种基于遗传粒子滤波器的同时定位与地图创建算法。通过采用遗传粒子滤波器，只需要较少的粒子就能获得较高精度的地图。并且通过将全局地图划分为一些较小的局部地图，提出了一种新颖的层次化方法来描述局部地图之间的关系，这样可以更进一步降低同时定位与地图创建的时间复杂度与空间复杂度；此外，对同时定位与地图创建中的“环形闭合”问题进行了研究，通过环形闭合算法可以将各个局部地图联系在一起形成一个完整的全局地图。实验结果表明，本文提出的同时定位与地图创建算法不仅可以有效降低同时定位与地图创建的计算量与存储空间，而且可以提高地图的精度。　　本文还提出了基于协同进化自适应粒子滤波器机器人全局定位算法。研究发现协同进化自适应粒子滤波器能够有效解决采用粒子滤波器在高度对称环境中的早熟问题，提高定位的可靠性，同时采用协同进化自适应粒子滤波器能够提高机器人定位的精度。　　最后，本文完成了基于单目视觉的同时定位与地图创建系统。该系统采用遗传粒子滤波器实现同时定位与地图创建，而且它采用协同进化自适应粒子滤波器实现机器人的全局定位，该系统采用模块化的设计方法，具有较好的可移植性。