随着智能移动机器人技术的不断发展，对移动机器人能够自主完成任务的要求越来越高。环境地图是移动机器人自主完成任务的首要条件，未知环境中移动机器人同时定位和地图创建对于智能机器人技术的发展有着重要的意义。本文主要是利用传感器获取数据信息实现未知环境中移动机器人同时定位和地图创建。本文首先指出了课题的背景、研究意义和主要的研究内容，然后讨论了目前国际国内研究现状和方法，重点介绍了系统的硬件平台以及外部传感器的选择方法以及地图的描述方法。本文采用了局部地图创建--移动机器人定位--全局地图创建的步骤。通过激光测距仪获取环境数据信息实现局部地图的创建，通过移动机器人内部传感器获得机器人的位姿，运用扩展卡尔曼滤波算法比较两次激光测距仪的数据以获得精确的机器人位姿，然后更新局部地图，最后融合当前全局地图和局部地图的数据，完成全局地图的更新，最终实现全局地图的创建。在局部地图的创建过程中，本文提出了一个“聚合--分割--聚合”的方法来提取线段用以表示环境信息，分为区域分割、线段提取和线段拟合三个步骤。在区域分割和线段提取中提出了动态阈值的方法，使得分割更为精确并可以滤除一些噪声数据，可以在较短的时间内获得一个精确的局部地图。最后采用最小二乘线段拟合方法获得线段的参数。由于实际环境属于非线性系统，在理论上难以找到严格的递推滤波公式，直接应用卡尔曼滤波算法比较困难。因此本文采用扩展卡尔曼滤波算法实现移动机器人的定位。利用机器人内部传感器获得的位姿作为预测位姿的观测值，以局部地图中的线段作为当前全局地图中相关线段的观测量，为利用扩展卡尔曼滤波算法提供了参数。本文提出了一个“线段范围”的方法减少了寻找局部地图和当前全局地图之间的相关线段所耗费的时间。经过机器人定位后得到了精确的局部地图，通过比较局部地图和当前全局地图的线段关系，可以将局部地图中的线段分为与全局地图相关的线段和与全局地图无关的线段。分别采取不同的处理方式，将局部地图的数据融合到当前全局地图中，实现全局地图的创建和更新。