随着移动机器人研究和应用的日益发展，导航问题成为机器入学研究的热点，自主探索己被公认为能够真正实现移动机器人在未知环境中自主完成导航任务的关键技术和移动机器人能够完成高度自治作业的重要标志，因此在星球探测、野外探险、军事侦察和灾难救助等领域有着巨大的应用潜力。在未知环境中，机器人如何准确地建立环境地图，并同时利用地图实现准确的自主定位成为自主探索领域的核心问题，即同时定位与建图(Simultaneous Localization and Mapping-SLAM)。SLAM问题自提出以来受到了移动机器人领域的广泛关注，相关研究者提出了多种解决方法。然而，在这些方法中，机器人通常以随机方式或跟踪预先指定路径的方式进行建图。在随机方式中机器人的运动存在盲目性的缺点，导致建图效率低下；而预先指定路径方式在很大程度上与环境的未知性相矛盾。因此，现有的这两种非主动方法都没有考虑到当前的环境状态、机器人定位情况和建图程度，故而对环境不具有良好的自适应性。另外，现有研究都假设环境中存在预先设置的陆标或存在充足的易于提取的几何特征，因此无法应用于无预置陆标或环境特征不充足的情况。 针对上述问题，本文面向多种不同的未知环境，研究先进的移动机器人主动同时定位与建图方法，机器人通过计算定位与建图的多个重要评价指标构造优化目标，然后执行最优化目标函数的控制输入，从而以主动的、智能的运动方式探索环境，完成同时定位与建图。围绕上述问题，本文主要进行以下几个方面的研究工作： 1、在深入分析现有的两种最主要的SLAM方法-EKF和FastSLAM缺陷的基础上，本文分别针对它们进行改进，提出两种具有更准确定位与建图效果的SLAM 方法-OCEKF(Observation—Constrained Extended Kalman Filter)和IFastSLAM(Improved FastSLAM)； 2、基本文针对存在预置陆标的未知环境，提出一种有效的概率栅格环境建模方法，然后分别基于OCEKF和IFastSLAM。提出多目标优化的主动SLAM方法，并对这两种方法进行了分析和比较。在本文的方法中，通过量化定位与建图的准确性、机器人预期探索的新区域面积和观测的稳定性等定位与建图的主要评价指标，将主动SLAM转化为多目标最优控制问题，机器人执行最优化目标函数的控制输入以实现主动的运动方式，从而更高效、更准确地完成同时定位与建图； 3、本文针对无预置陆标的未知环境，创造性地提出了陆标动态在线配置方案及基于此的主动SLAM方法。通过设计合理的陆标配置准则指导陆标配置过程，同时证明了进行动态陆标配置对定位与建图的重要影响，并将其引入到优化目标中，使机器人根据探索的需要计算出最优化目标函数的控制输入，进而通过主动的运动方式动态在线配置陆标，并利用配置的陆标完成定位与建图，从而实现陆标配置、定位与建图三者同时在线完成，使SLAM研究可以应用于真正意义下的未知环境； 4、现有的SLAM方法大多数只适用于较小规模的环境，而本文提出的主动SLAM方法在中等规模的环境中表现出良好的性能，然而误差累积问题制约了这些方法在大规模环境中的有效应用。为此，本文还将针对大规模未知环境开展移动机器人主动SLAM的研究。考虑到单个机器人进行建图时存在的效率低和鲁棒性差的缺点，本文采用多机器人协作探索的方式完成大规模环境的建图任务，分别提出基于全局地图估计和基于局部子地图估计的两种多机器人主动SLAM方法，并对它们进行比较和分析。