论文主要研究自主移动机器人(Autonomous Mobile Robot, AMR)同时定位和地图构建(Simultaneous Localization and Map Building, SLAM)问题,旨在构建一个完整的系统,使得机器人在非结构化环境下实现“完全自主”地图开发的能力。基于粒子滤波器的FastSLAM是一种高效的机器人同步定位和绘制地图的算法。更新机器人信息需要0(M log K)时间。这比传统的基于卡尔曼滤波器的方法(需要0(K2)时间)要简单得多。首先,论文总结了SLAM问题从提出到发展至今的简单过程、研究机构、应用环境、与相应传感器的特点,分析了传统SLAM方法的基本原理与过程。创造性地提出了未来SLAM领域可能的发展方向。其次,论文对Hebut II型轮式移动机器人进行了总体建模,主要介绍了用于机器人定位的里程计模型、车体的运动控制命令模型和用于测量路标位置的传感器感知模型。移动车体装有环形分布的超声波传感器阵列作为距离感知工具测量和路标之间的距离,里程计作为机器人自身的辅助定位工具。车体通过运动控制遍历未知环境利用FastSLAM算法得出地图的二维平面数据。第三,论文着详细阐明了本课题所采用的地图创建方法FastSLAM算法的原理、粒子滤波方法、采样原则和计算流程,以及与FastSLAM算法相应的数据关联和地图表示方法。最后将计算生成的概率点通过相容线段融合理论进行了线段和圆弧的融合。通过FastSLAM算法的计算,机器人完成了自身轨迹和环境中各路标位置的确定。最后,编制了控制软件,将控制算法应用到了Hebut II机器人上,并进行了室内实验。实验结果表明,算法快速、准确。结果表明论文提供的基于粒子滤波器FastSLAM方法是一种切实可行的机器人定位和地图构建的方法,为提高移动机器人自主性和智能化提供了一种新的技术途径。