作为智能移动机器人自主执行复杂任务的关键,机器人定位与地图构建问题一直是机器人领域的研究热点。如何有效的描述机器人所在的环境信息,并使用合适的状态估计方法消除系统噪声的负面影响,是定位和地图构建需要解决的关键问题。本论文在总结前人工作的基础上,针对室内结构化环境中地图表达方式和状态估计方法对动态环境的适应性,以及定位和地图构建算法的实时性等问题展开研究。本文的主要研究内容包括以下几个方面：1.面向动态环境地图建模问题,提出了基于栅格矢量特征的地图表达方式。栅格矢量法继承了占用栅格地图和矢量地图的优点,既能够体现环境的不确定性又可以借由矢量地图对环境的抽象降低模型对存储量的需求。栅格矢量的双重属性使其能够很好的区分环境中的静态结构和动态物体,非常适合为动态环境构建地图模型。2.针对服务机器人长期运行的要求,提出基于改进粒子滤波的定位算法。该算法应用环境地图的分层表达方式,增强环境模型对观测函数的指导作用,削弱传感器数据中的动态噪声对状态估计的影响；使用最大似然位姿估计方法提高重要性函数的准确性,降低算法对粒子个数的依赖。经过并行化处理,改进的定位算法还可以高速地在图形处理器上运行。实验证明,改进后的算法提高了定位精度,刘动态环境具有很好的适应性。3.提出基于矢量匹配与粒子滤波相结合的未知环境实时地图构建算法。该算法使用矢量特征地图建立环境模型,优化了存储消耗；应用基于矢量的匹配方法精确采样空问,降低了粒子数需求；采用选择性重采样策略抑制粒子滤波的退化现象和采样枯竭问题。与传统基十占用栅格地图的粒子滤波地图构建方法相比,该算法有效地优化了执行效率和存储需求,能够在线实时运行,并可以很好地构建出未知环境的模型。4.针对动态环境下的模型优化问题,提出基于栅格矢量地图和期望值最大化方法的动态环境地图构建算法。期望值最大化算法在迭代过程中,逐渐精确地获得栅格矢量地图中特征的动态属性,从而识别出环境中的动态信息,并在环境模型构建时消除动态因素的影响。实验证明,即使在高度动态性的环境中,本文的动态环境地图构建方法依然可以很好地恢复出环境的静态结构。5.提出基于粒子滤波的同时定位与地图更新方法。该方法使用改进占用栅格地图和离散时间维度下的矢量特征地图记录时变的环境模型,应用粒子滤波算法处理机器人位姿与地图更新同步估计的问题。分层的环境描述保证了时变地图更新和动态环境下机器人定位的有效性。