在智能移动机器人领域，实现移动机器人的自主性一直是人们追求的目标。移动机器人为了独立自主的完成某一作业任务，需要在部分未知或完全未知的环境中，只应用自身携带的传感器感知周围的环境，然后确定自己的位置。自主定位与地图构建是移动机器人具有自主性的标志，是一切其他自主行为的前提。移动机器人在运动过程中，不断的感知周围的环境，在线实时的构建出环境地图同时自主定位，即同时定位与地图构建（Simultaneous Localization and Mapping，SLAM），是近年来移动机器人领域的研究热点。论文对SLAM问题的关键技术进行了深入研究，并利用真实的移动机器人对算法进行了验证。　　首先，建立坐标系统，构建SLAM系统模型、移动机器人运动模型、传感器感知模型、环境地图表示模型；　　其次，对环境地图表示方法和数据关联方法进行了深入研究。论证了几种环境地图表示方法的优缺点，设计了占用栅格地图构建算法。对基于栅格地图的数据关联方法进行了研究，研究了最近邻迭代（ICP）和可能性域扫描匹配算法。应用概率方法模型化了传感器的测量噪声，设计了基于可能性域模型的扫描匹配算法。　　再次，深入研究了粒子滤波算法。对标准粒子滤波算法进行了改进，将其应用到移动机器人地图构建与自主定位问题中。应用扫描匹配算法改进了建议分布函数，提高了采样精度。设计了移动机器人运动学模型的采样算法和自适应重采样机制，有效的降低了粒子多样性退化的风险，提高了算法的计算效率和精度。设计完整的基于粒子滤波的SLAM算法，利用真实的移动机器人采集的数据集来验证所设计的算法的有效性。　　最后，搭建真实的移动机器人硬件平台，为机器人装备激光测距传感器、里程计。编写移动机器人控制程序，在机器人操作系统（ROS）框架下用C++语言实现在线感知与自定位算法。通过控制移动机器人在真实的室内环境中运动，在线实时构建环境地图同时自主定位。试验结果表明本移动机器人SLAM算法有效且具有较高的定位精度。