移动机器人自主定位与导航是机器人学科的一个重要研究课题。对环境地图已知的移动机器人自主定位已经有了很多比较成熟的方法,然而在很多实际应用中环境是未知的,这就需要通过机器人对环境的感知来估计机器人的位置,并给出环境的地图,即进行同步定位与地图构建(SLAM)。同步定位与地图构建是实现移动机器人真正全自主的关键,具有极其重要的理论和应用价值。本文以携带超声波传感器的四轮移动机器人为研究对象,对基于最优滤波的移动机器人同步定位与地图构建算法进行了深入研究。论文的主要工作如下:1.建立了移动机器人SLAM系统中所需的各种数学模型,并分析了移动机器人SLAM研究中的关键技术。2.提出了一种基于平方根UKF的SLAM算法。在UKF算法中,每步更新都需要重新计算协方差矩阵的平方根,而在整个UKF算法中传递的却依然是协方差矩阵本身。根据UKF-SLAM算法的这个不足,在本文提出的平方根UKF-SLAM算法中直接用协方差矩阵的平方根来完成算法的递推过程。相对于UKF-SLAM算法,该算法在减少计算量的同时还确保了协方差矩阵的非负定性,提高了算法的数值稳定性。3.提出了一种基于扩展H∞滤波的SLAM算法。H∞滤波对噪声具有很好的鲁棒性,而且只要求噪声是能量有界的,因此它非常适合在系统中存在非高斯噪声和未知噪声的情况下使用。本文提出用H∞滤波来解决SLAM系统中存在着多种不同类型的噪声的问题。该算法使用类似于EKF的线性化方法来处理非线性的SLAM系统。4.提出了一种基于Unscented H∞滤波的SLAM算法。UT变换可以直接利用系统的非线性模型,避免了因线性化引入的截断误差。该算法将H∞滤波与UT变换结合,既避免了线性化原系统模型,又提高了算法的鲁棒性。