未知环境下移动机器人自主探索及地图构建方法是移动机器人领域的关键技术之一,同时也是移动机器人实现未知环境下搜救、侦察、探测和排爆等任务的前提。在人类无法或者不方便进入的环境中,移动机器人需要通过自主探索及地图构建技术实现对未知环境的主动探索,并构建出全局环境地图。根据上述需求,本课题针对未知环境下的移动机器人自主探索算法和三维环境地图构建等关键技术开展研究,主要的研究内容如下:（1）针对传统RRT搜索上可能遗漏局部目标点的问题,提出了一种基于动态边际约束的RRT自主探索算法。借助传统边界探索的思想,采用子母RRT搜索树的方式探索环境空间,以树的根节点为原点进行四象限划分,并对子树施加动态的边际约束,进而利用子树的快速性和可扩展性提高搜索的效率。（2）针对候选探索目标点评价指标过于单一和局限的问题,设计了节点成本指标,根据当前树节点和根节点之间的可通行路径进行判断,并结合导航成本和信息增益构造了探索目标点的评估函数。根据评估函数给出的结果,在每一轮探索环境中对候选目标点进行存储、更新,确定了最终的探索目标点。（3）针对LOAM算法无法剔除地面特征点的问题,改进了特征信息的提取方式,剔除地面信息,再提取边缘特征点和平面特征点。为了避免特征的群集现象,对全局环境进行区域划分,指定子区域内的特征点数目,采用改进的ICP算法进行特征匹配。（4）针对激光雷达初始位置存在视野盲区的问题,提出了以静态结合的方式加入辅助的视觉信息,既可弥补视野盲区的问题,也能实现动态避障功能。由于不直接将视觉信息加入特征点云中,因此不会影响地图构建算法的实时性和精度。（5）为了验证本课题算法的有效性和实际效果,依托实验室基于ROS的双轮差速式驱动的移动机器人平台进行了样机实验,对自主探索及地图构建算法进行了联合调试,并分别分析了自主探索算法和地图构建算法的实验结果。