随着社会的进步与科技的发展,人民的物质生活水平越来越高,机器人行业在自动控制领域中也凸显出愈来愈多的成就,在生活中的各种场景都可以看到机器人的身影。移动机器人作为一种高科技的自动化产品,想要在陌生的环境中行动自如并能准确地找到目标,必须要有一个环境地图作为支撑,而地图的质量好坏直接影响其运行效率。针对大范围复杂环境下SLAM系统使用的激光点云扫描匹配算法效率低、计算量大,且在无纹理的环境下表现较差,本课题采取引入WiFi来克服激光在特征少环境中匹配精度差的不足,同时校正里程计带来的累积误差,从而满足了SLAM在大范围复杂环境下的建图精度要求。具体的工作内容可分为以下几部分:首先,本文利用多传感器融合技术实现对里程计数据、WiFi指纹数据与激光雷达数据的高精度融合,并完成对周围环境的地图构建。整个系统采用二次图优化框架的设计,实现对机器人位姿的准确优化。在第一次图优化的过程中,主要是引入WiFi指纹信息来缓解移动轨迹的漂移,降低里程计的累积误差。然而闭环检测在图优化SLAM中的作用是无法取代的,其结果好坏直接影响算法的精度,因此本课题分析WiFi指纹闭环检测算法对实际定位产生的影响,并提出了两种新的指纹匹配算法,确保了指纹闭环检测的可靠性,为后续环境地图的构建工作做好充分的准备。其次,为了最大程度上提高机器人的建图精度,本文寻求了一种新的思路,采取图优化SLAM的方式来实现多传感器数据的融合。在传统意义上,虽然里程计和激光雷达的结合便可以实现环境地图的构建,但是在大范围复杂环境下的激光扫描匹配速率和准确率不高,为降低激光匹配算法的计算量,在第一次图优化阶段引入WiFi指纹信息。由于激光闭环检测可以在WiFi指纹闭环检测的基础上进一步优化机器人的位姿,因此在第二次图优化的过程中结合第一步图优化的结果,经过二次图优化之后得到最终的优化轨迹,再结合激光数据实现整个环境地图的构建。同样地,激光雷达闭环检测的效果好坏直接影响SLAM算法的精度,本文提出了一种子地图的激光闭环检测方法,将传统的基于单帧激光点云的匹配扩展到基于多帧激光点云的匹配,避免了因信息量不足而产生大量错误闭环的情况。最后,为了验证算法,搭建了里程计、WiFi指纹与激光雷达数据的采集平台,里程计信息用于移动机器人定位,WiFi指纹信息用以消除里程计的累积误差,并提高激光匹配的算法效率,最后结合激光雷达信息,从而实现移动机器人环境地图的高精度构建。