随着各种类型的室内服务机器人被广泛应用在人类的生活生产中,机器人的同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术逐渐成为研究的热点。受室内环境多样性与复杂性的影响,基于二维激光雷达的SLAM由于只能获取安装高度的障碍物信息且回环检测困难,从而不能构建障碍物信息完整的高精度环境地图。因此,论文针对单一二维激光雷达SLAM在室内环境中存在的问题,提出多传感器融合的SLAM方案。主要研究内容如下:（1）针对二维激光雷达SLAM前端运动估计中点到线的迭代最近点（Point-to-line Iterative Closest Point,PL-ICP）算法在帧间匹配过程中对初始值敏感的问题,利用扩展卡尔曼滤波融合惯性测量单元（Inertial Measurement Unit,IMU）和车轮里程计的数据为PLICP算法提供初值。实验结果表明:融合里程计数据相比于单纯车轮里程计的定位精度至少提升了33%,解决了PL-ICP算法对初始值要求高的问题,避免算法陷入局部循环。（2）针对二维激光雷达SLAM回环检测困难的问题,利用同步运动的视觉传感器进行回环检测,然后将视觉检测的回环信息同步传送给激光,帮助激光实现回环。实验结果表明:通过视觉回环检测辅助激光实现回环,优化了机器人的位姿,降低了机器人定位的均方根误差。（3）针对二维激光雷达SLAM构建环境地图障碍物信息不完整的问题,将二维激光雷达和深度相机投影成伪二维激光数据建立的局部二维栅格地图进行融合。实验结果表明:通过融合弥补了二维激光雷达没有垂直方向障碍物信息的缺陷,构建了更加完整的全局环境地图。（4）最后,论文使用Handsfree机器人平台搭配ubuntu16.04操作系统和机器人操作系统（Robot Operating System,ROS）实现了多传感器融合的室内机器人SLAM方案,并分别在仿真环境和真实环境进行了实验。结果表明:多传感器融合的室内机器人SLAM方案相比于单一的二维激光雷达SLAM方案,提高了移动机器人的定位精度,增加了构建地图的完整性,从而验证了该融合方案的有效性。