地图创建在移动机器人研究中有着非常重要的意义,是实现自主导航、在未知环境中完成复杂智能任务的关键,也集中体现了机器人的感知能力和智能水平。自主移动机器人的自定位问题是移动机器人研究中的重要课题,它包含许多传感器技术和定位算法。全局定位算法的优点是可以使机器人在全局不确定的情况下估计它的位置。 论文对未知环境中自主移动机器人的自定位算法进行了研究和分析,重点是环境地图的创建和机器人自定位方法的研究。主要内容包括临时局部栅格法(TLOG)、地图创建中路标类型的判定、MCL算法的改进等。 论文基于对概率栅格法(OG)的研究分析,提出了临时局部栅格法(TLOG),通过运用TLOG,改进了一种基于概率模型的栅格地图创建方法。改进后的方法,使创建的地图更加准确,有效地减少了定位的错误或误差。 论文基于对马尔可夫定位方法的研究分析,通过引入角度高斯分布函数,提出角度蒙特卡罗法(AMCL),改进蒙特卡罗方法(MCL)处理中心对称环境的自定位能力;又通过引入遗传算法中的交叉和变异操作,丰富了蒙特卡罗方法(MCL)的采样方式,提高了定位精度和鲁棒性。 论文共由五个部分组成。第一章是绪论部分,给出了课题的来源、国内外研究现状。第二章对自定位所涉及的问题(环境的描述、信息的获取、不确定信息的描述和处理、机器人自定位)进行了较详细的研究分析;并叙述了与此紧密相关的SLAM问题及典型方法。第三章就地图创建问题,提出了临时局部栅格法(TLOG),并以此改进了一种基于概率模型的栅格地图创建方法。第四章在对马尔可夫定位方法研究分析的基础上,提出了对MCL方法的改进。第五章对论文的工作进行了总结。