在很多情况下，移动机器人的定位问题和地图构建问题是密不可分的，精确的定位离不 开准确的地图的构建（因为地图中会有一些特定的特征），地图的构建又离不开机器人精准 的定位（因为地图需要精确的位置估测来描绘）。1988 年有学者提出了同时定位与地图构建 方法（SLAM），即让机器人在未知环境中根据自身的位姿估计和地图来自定位，同时在自定文献综述

位的基础上进行增量式的地图的构建[11]。SLAM 是一项能够同时实现无地图的定位和创建无 定位的地图的技术，让机器人在未知环境真正实现其导航的自主性。

机器人的定位就是要知道它的位姿，即位置和姿态，位姿可以用三个参数来表示p = (x, y, α)，(�, �)表示机器人所在的坐标，α表示机器人的姿态，也可以说是航向。

通常机器人的定位方式分为相对定位（或跟踪定位）和绝对定位（或全局定位）[5]。相 对定位法主要包括惯性导航和航位推算法。惯性导航主要是把陀螺仪或者加速度计作为机器 人的内部传感器进行导航，航位推算法一般就是利用里程计（也就是安装在车轮上的光电编 码器）进行航位推算。由于没有参考外部信息，相对定位累积误差会比较大，实用性较差。

绝对定位法有路标定位，基于先验地图的地图匹配定位法等[11]。GPS 就是一种绝对定位 法（也就是全局定位方法），但是仅限室外环境使用，室内环境无法使用。而今，基于概率 地图的定位技术变成当前研究的焦点和热门，如 markov 定位，卡尔曼滤波（KF）定位，Monte Carlo 定位（MCL）等，这种定位方式将机器人的所有可能的位置和姿态以概率分布的形式 表示 [10]。

1。3。2 环境地图的创建

地图的表示方法有多种，如拓扑地图，栅格地图，特征地图（也就是几何特征地图）等

[3]。这里重点介绍一下几何特征地图。几何特征地图的地图数据一般用激光测距仪，声呐或

者摄像头等获得，然后提取地图数据中的线段，角点，圆弧，路标等特征来绘制地图。在导 航过程中，机器人通过传感器检测到一些特征信息，可以和在前一位姿检测到的特征信息进 行匹配，来实现自定位。来`自+优-尔^论:文,网www.youerw.com +QQ752018766-

1。4  本文的研究内容和安排

本文主要研究在室内结构化，不存在动态干扰的环境下移动机器人的移动机器人局部地 图构建和激光扫描匹配定位方法。

本文采用的定位方法是激光扫描匹配定位，把一个一维激光测距仪安装在一伺服电机转 轴上，使电机等角度转动，采样周围环境的距离信息，即模拟激光雷达扫描室内轮廓，通过 匹配两组离散激光数据实现机器人在室内环境下的定位。本文采用的地图构建方法是几何特 征地图，针对激光测距仪扫描出来的离散点数据，通过 hough 变换提取出直线特征构建大概 的地图轮廓。本文假设室内环境为静态结构化环境，不存在动态干扰，只存在一些静态障碍

物。