移动机器人的定位与导航是移动机器人领域的关键技术，定位问题是机器人真正自主化和智能化研究中最为重要的一个基本问题。基于传感器的定位是当前移动机器人领域非常活跃的研究领域，常用于定位的传感器有测距传感器，如激光传感器以及视觉传感器等。而基于概率的定位方法是移动机器人定位方法中最鲁棒的一种方法，目前正受到国内外机器人研究者的广泛关注。 基于概率的定位方法通过不断地更新机器人位姿空间的概率分布来解决移动机器人的定位问题。从概率的角度来看，定位问题就是移动机器人状态估计问题，因此许多概率预估方法都可以用来解决移动机器人的定位问题。随着计算机性能的提高，近年来发展起来的粒子滤波预估方法可以很好解决非线性非高斯分布位姿估计问题，因此该方法可以很好地解决移动机器人的定位问题以及地图创建问题。 本文就是基于此背景下所进行的研究工作，以贝叶斯滤波原理为基础，研究基于粒子滤波器的移动机器人定位技术以及地图创建技术，并以应用到实际系统为目的，主要开展了以下研究： 首先，介绍了移动机器人中的贝叶斯滤波原理以及各种不同实现形式，并分析了各种不同实现形式的优缺点； 然后，依据非完整移动机器人的运动学，建立了机器人的概率运动模型以及感知模型，并给出了概率模型的采样方法。 其次，研究了基于激光测距仪的粒子滤波定位方法，并提出了基于自适应粒子滤波与二次更新方法的粒子滤波定位方法，提高了系统的计算效率、鲁棒性以及定位精度。 接下来，分析了全向视觉的特点，并利用全向视觉特点提出了将全向视觉作为增强型的测距仪，在贝叶斯滤波理论框架下实现了基于全向视觉的粒子滤波定位方法，从而实现了自主机器人在RoboCup环境中的自主定位。 在分析了粒子滤波方法本质上存在的问题之后，本文比较了粒子群优化算法与粒子滤波算法之间的相似性，并创新性地提出了将粒子群优化算法与粒子滤波方法结合来提高粒子滤波算法的性能，并取得了良好的效果。 接着，研究了移动机器人的SLAM问题，探讨了SLAM问题不同解决方法的优缺点，提出了改进的FastSLAM方法，提高了地图创建的精度。 在理论研究的基础之上，搭建了嵌入式智能机器人平台，并分析了如何在实际系统中实现基于粒子滤波方法的定位，设计了定位与地图创建系统模块。 最后，总结了本文所取得的研究成果，分析了当前研究工作的不足之处，并对今后的发展及研究方向进行了讨论和展望。