在现在社会的发展过程中，为了满足人类的生活需要，智能化的机器设备越来越受到关注，比如智能移动机器人。在移动机器人的研究中，同时定位与地图创建是机器人研究的基础。如何使机器人快速准确的进行定位是该方向的核心。本文主要对移动机器人同时定位与地图创建的精确度和实时性进行改进，主要工作如下：　　首先，针对移动机器人同时定位与地图创建的研究背景、意义进行了系统的概述，对机器人的研究现状、发展前景以及需要的系统模型进行了分析。　　其次，针对扩展卡尔曼滤波在非线性系统中估计精度较差的问题，引入线性拟合函数卡尔曼滤波，采用基于随机变量Sigma点的加权最小二乘法算法来估计一个线性拟合函数，来代替扩展卡尔曼滤波中泰勒展开一阶截断。经过仿真验证，该算法具有和无迹卡尔曼滤波相似的估计精度，但是计算复杂度明显降低。　　再次，针对移动机器人同时定位与地图创建中非线性、非高斯的系统环境，采用无需进行雅可比矩阵计算的无迹卡尔曼滤波算法来对机器人位姿进行递推估计，作为粒子的重要性函数，选取粒子进行环境特征的维护；为了解决其采样点多、计算复杂度大而引起的计算时间较长的问题，采用n维球形单形采样点来代替传统的Sigma点采样；引入参数来计算权重，因此实现采样点良好的聚集性，最后引入H?滤波，来提高算法的鲁棒性。　　最后，针对FastSLAM中的粒子滤波进行特征维护时，使用粒子数目过多造成的时间消耗过长的问题，引入对称KL距离，将粒子随机分成数目相等的两个粒子群，计算两者之间的信息距离，通过与阈值比较判断下一步粒子数的增减，实现粒子数的自适应，就能有效降低滤波的时间复杂度。改进后的算法，在满足一定精度条件下，能够减小计算量。