移动机器人正确完成定位和导航，顺利执行任务的关键问题之一是如何获取一致准确、信息充分的作业环境的地图。快速准确的建图能力不但保证移动机器人能够准确实现自主定位，还能提供可供人分析利用的直观的环境地图。目前建图研究中广为使用基于概率的方法，这些方法大都利用点、线、角点等特征完成建图，建图过程依赖于传感器模型以及机器人运动模型的预定义。本文采用扫描匹配技术，建图过程不依赖环境特征的提取，不受限于概率模型的定义，而且建图结果更加直观且易于利用。本文研究主要包括：　　 1．针对目前广为使用的一类半自动扫描匹配方法一迭代对应点方法中位姿旋转估计收敛慢的缺点，提出极坐标点匹配规则和相应的对应点快速搜索方法。在匹配规则中同时考虑了旋转和平移的因素，使得改进方法的迭代次数大大减少。此外，在研究中还综合考虑了影响匹配结果准确性的多种因素，并给出了相应的解决方法，如可见性检查、篡改点、最小截平方方法、误差函数的封闭解求解方法等。通过此类方法的对比实验验证了新方法具有更高的效率、准确性和鲁棒性。虽然新方法对于初始位姿估计的误差显示出较高的鲁棒性，但是当误差足够大时新方法的失败率也会逐渐增加。　　 2．由于半自动方法在初始位姿估计误差较大时存在较高的失败风险，因此在前面内容的基础上本文深入研究自动扫描匹配方法。该类方法的匹配过程仅仅依赖传感器的扫描数据，可以应用于闭环发现等任务中。首先根据扫描点是否处于同一物体表面对扫描数据进行分割，新方法从分割段和扫描点两个层次，利用一些几何信息的统计结果定义特征。分割段特征刻画了扫描整体，通过分割段特征匹配获得扫描间粗略位置关系；扫描点特征根据其所在的整个分割段进行定义，刻画了扫描局部信息，通过扫描点特征匹配完成扫描间精确位置关系的估计。匹配过程中通过特征过滤去除环境中动态变化的区域，保证结果更加准确，而且可以应用在动态环境中。　　 3．单纯利用相邻两次扫描数据进行匹配、完成建图的过程类似于“改进的里程计”，虽然局部建图结果紧密一致，但是误差累积最终会导致全局地图不一致。本文将扫描匹配与Graph SLAM(Graph-Based Simultaneous Localization andMapping)相结合研究如何构建一致的环境地图。问题主要包含两方面：地图构建和地图校正。文中首先给出了Graph SLAM的模型定义，然后针对地图构建给出了建图过程、自动闭环的解决方法。建图过程中提出关键扫描来简化建图过程，约束校正图的复杂度。此外，文中还针对扫描匹配提出了扫描位置和扫描距离的概念，利用扫描距离来描述扫描之间是否可能存在重叠。地图校正的过程参考随机梯度下降的方法，迭代地降低图的总体误差；参考生成树的地图表示形式，使得校正复杂度不受限于机器人轨迹的长度，而仅受到探索环境大小的约束。