随着移动机器人应用领域的不断扩展和移动机器人导航问题研究的不断深入，非结构化环境特别是未知环境下的导航逐渐成为移动机器人领域倍受关注的热点问题。目前，自主探索已被公认为能够真正实现机器人在未知环境下自主完成导航任务的主要手段和关键技术。可靠的定位是机器人自主导航的基础，导航中的路径规划、路径跟踪等任务都需要机器人能够在运动过程中连续地进行定位。然而，在未知环境下由于没有先验地图信息，机器人进入未知环境后，如何利用传感信息建立准确的环境地图，并同时利用创建的地图实现准确的自主定位已成为移动机器人导航领域的核心且具有挑战性的研究课题，即同时定位与地图创建(SimultaneousLocalization And Mapping，SLAM)问题。　　 本文针对未知环境下的SLAM问题展开了相关研究，主要工作包括：首先，建立了移动机器人的运动学模型。分析了里程计和激光测距仪两种常用传感器的原理及其误差模型。比较了机器人学中的三种环境表示方法，包括几何地图，栅格地图和拓扑地图。其次，分析了ICP算法流程和基于此的扫描匹配方法，并将ICP算法应用到移动机器人的地图扫描匹配上，并通过与基于SOG算法的仿真比较，验证了ICP算法的高效与精确性。最后，本文描述了SLAM问题以及与机器人定位的关系，并将本论文的主要工作延伸到SLAM问题中，探讨使用基于扩展的卡尔曼滤波器的EKFSLAM算法解决SLAM问题。