随着信息技术、网络技术的快速发展,移动机器人因其灵活性以及多功能性备受关注,并在各个领域都有广泛的应用。实现机器人的定位技术有多种,其中即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术主要解决机器人工作环境中无法提前得到准确地图和确定自身位置的问题。SLAM为移动机器人在未知环境下的工作奠定了基础。在实际使用中还存在定位精度低、建图不完整和地图偏移等问题,因此SLAM算法在多种环境下的稳定性就成为了一项重要的研究课题。本文结合自主搭建的移动机器人平台,在室内环境下基于激光雷达传感器对SLAM技术进行研究,针对静态环境下机器人在运动过程中运动速度过大或旋转过快导致建图不完整和动态环境下动态物体的干扰两个核心问题进行研究。本文所取得的成果包括以下几个方面:(1)在对环境地图、激光雷达的定位原理研究的基础上,针对静态环境下机器人运动时运动速度或角度转动过大导致激光扫描平面发生倾斜,产生地图偏移的问题,提出融合惯性测量单元SLAM方法,该方法用惯性测量单元得到机器人姿态数据,再与Hector SLAM技术融合,达到了机器人在运动过快或道路不平坦时稳定创建地图的目的。(2)针对动态环境下存在动态障碍物使定位精度下降的问题,提出了融合聚类的SLAM方法,使用聚类方法将物体分类,并结合滤波算法,识别以及剔除动态障碍物,把动态环境问题转化为静态环境问题,可以使得机器人在室内动态环境中具有更高的定位精度。(3)在上述研究成果基础上,搭建了三轮全向轮移动实验平台,将本文提出的MIMU-SLAM与Hector算法方法进行对比测试,实验表明该算法提高了机器人自身定位稳定性,减少了高速旋转时产生的地图不匹配问题。动态环境下进行MC-SLAM算法与Gmapping算法进行对比测试,达到了动态环境中观测到动态障碍物时,粒子相对收敛提高定位精度的目的。