同步定位与地图创建(SLAM)是移动机器人实现自主导航的关键技术。当下移动机器人的应用环境较为复杂,在地图特征密集的复杂环境中,SLAM算法的性能受到很大的影响。经典的SLAM算法在复杂环境中运用时存在估计精度低,实时性下降等问题,严重影响实际应用。因此本文就如何提高SLAM算法的定位与建图精度进行研究,这对推动移动机器人产业的发展,实现移动机器人自主导航具有重要的理论意义。SLAM是指机器人在未知环境中通过自身携带的传感器采集周围的环境信息,利用采集到的信息进行地图构建并实现自身定位的过程。本文讨论并建立移动机器人SLAM系统的运动模型、观测模型等,并描述了 SLAM问题的数学模型,为后续的算法研究奠定基础。针对粒子滤波算法中存在粒子退化和贫化,从而影响滤波精度的问题,本文借鉴群智能优化的思想,将改进的萤火虫算法运用到粒子滤波中,提出自适应闭环控制的萤火虫粒子滤波算法。该算法修正了萤火虫的位置更新公式,并对萤火虫算法中的光吸收系数和步长因子进行参数自适应调整,动态的平衡了算法全局寻优与局部寻优的能力,使得粒子分布更加合理,有效改善了粒子滤波算法中粒子退化和贫化的问题。仿真实验结果表明:本文算法能有效提高滤波精度,保障了粒子的多样性。针对FastSLAM算法存在定位与建图精度低的问题,本文将萤火虫智能优化粒子滤波方法引入到移动机器人SLAM算法中,将粒子接受新状态的比例作为反馈量,结合寻优反馈过程,对SLAM算法进行闭环在线调整,提出自适应闭环调整控制的萤火虫粒子滤波SLAM算法。在SLAM模拟仿真器和标准数据集中对提出的算法进行仿真对比实验,实验结果表明:与FastSLAM和萤火虫粒子滤波SLAM算法相比,本文提出的算法具有更高的位姿与路标估计精度。