随着移动机器人产业的迅速发展,移动机器人平台的研究成为一大热门话题,其中同步定位与建图是机器人对周围环境感知的可视化呈现,也是机器人平台实现自动导航任务的关键。机器人在执行导航任务时的速度和准确度由地图设计决定。目前,地图创建的信息来源已经从单模态信息逐渐转化为多模态信息。相比于单一传感器来说,基于多种传感器信息而创建出的地图由于能够结合不同传感器的优点,所以具有更为重大的研究价值。如何利用多传感器信息融合提升地图创建的速度和准确性,是机器人导航领域的重要研究问题。该论文重点研究了移动智能体多传感器融合地图创建,主要内容涉及如下两个方向:（1）针对使用单一传感器进行地图创建时遇到的局限性,提出了一种基于机器人平台当前位置存储的多传感器数据融合网格地图创建方法。该方法在地图创建阶段将多种传感器获取到的数据经过处理后与机器人平台所在坐标相关联并存储。在存储时采用卷积自编码器将采集到的图像数据进行降维处理,降低存储空间。将冗余数据剔除后通过点云匹配算法将采集到不同帧之间的2D激光雷达数据进行匹配优化地图信息,从而得到相对准确的地图轮廓信息。和单一2D激光雷达地图创建方法相比,该地图创建方法在保证地图创建速度与减小内存占用的前提下保留了更多的地图信息。实验结果表明本文所提的地图创建方法和RGB-D图像点云建图法相比速度提升了31%、地图文件空间占用降低了47%。（2）根据移动机器人在地图创建阶段因环境和硬件原因产生的误差问题,提出了一种基于图像信息与位姿信息的回环检测方法。该方法首先使用K最邻近分类算法对降维后的图像信息进行匹配,选取存储中与样本图像较为接近的图像信息,然后通过以Res Net为主干网络的三元组神经网络对过滤后的图像做精确匹配,进而判断是否处于相同位置。最后通过机器人位姿信息进行最终比对,提高了回环检测的准确度。实验结果表明该方法和传统识别分类方法相比图像相似度匹配速度提高了48%,回环检测准确率提高了8%。