室内移动机器人将成为未来数字化家庭和服务领域的重要一员，它不但能自主地完成清扫房间、照顾老人等家务，而且还能实现看家护院、教育与娱乐孩子、超市购物和博物馆导游等功能。近来，国内外很多机器人研究机构都在进行室内移动机器人的研究。室内移动机器人的工作性质决定了机器人必须在未知多变的工作环境中、无人干预的条件下，安全的从一个地方运动到另外一个地方，完成主人分配的任务。因此，自主导航是室内移动机器人必须具备的功能。本研究课题来源于国家自然科学基金项目“基于不精确性地图的移动机器人室内导航技术研究”。本文主要研究应用单目视觉和激光测距仪创建度量－拓扑混合地图，并基于创建的混合地图实现机器人在室内环境中的自主导航。主要内容包括以下几个方面：　　首先，研究了混合地图中的度量地图创建。本文改进了传统的快速同时定位与地图创建(Fast Simultaneous Localization and Mapping, FastSLAM)方法，基于无偏卡尔曼滤波器(Unscented Kalman Filter, UKF)提出了一种新的无偏快速同时定位和地图创建(Unscented FastSLAM, UFastSLAM)方法：融合当前的感知信息设计了一种新的提议分布，通过无偏变换(Unscented Transform, UT)对提议分布采样粒子，使粒子向后验分布的高概率区域移动，因此只需要较少的粒子就能获得较高的状态估计精度；并且在路标更新时采用UKF实现，避免了FastSLAM方法的扩展卡尔曼滤波(Extended Kalman Filter, EKF)对非线性方程线性化引起的问题，而UKF采用一组精心选择的Sigma点来表达系统的统计特性，Sigma点根据非线性方程计算而无需将非线性方程线性化。无论在理论上还是在实际应用中，它都优于EKF。因此本文提出的UFastSLAM与传统FastSLAM相比，有许多优越性。最后结合可靠的极坐标扫描匹配(Polar Coordinates Scan Matching, PCSM)方法，创建了度量地图。　　其次，研究了基于单目视觉的拓扑地图路标的识别问题，并创建了拓扑地图。针对室内环境中路标的属性，应用了两种识别方法：对有规则边缘形状的路标采用基于边缘线段特征的识别方法，而对于纹理特征丰富的路标采用尺度不变特征变换(Scale Invariant Feature Transform, SIFT)的识别方法；并且对识别的路标分别基于由线段特征构成的基元匹配方法和基于K维树的最近邻搜索方法与地图中的路标进行匹配，获得了可靠的匹配结果。　　第三，研究了混合地图的关键问题：什么是混合地图？混合地图是怎样工作的？怎样发挥混合地图的最大优势？对不同类的地图合并会引起什么问题？怎样设计一个满足我们需要的混合地图？通过回答这些问题，为混合地图的设计提出了一个系统框架，在该框架内，定义了混合地图，并描述了影响混合地图性能的关键属性；讨论了混合地图组件之间的协作模式；并提出了设计混合地图的基本思路；最后根据提出的框架设计了本文的度量－拓扑混合地图(Metric-Topological Hybrid Map)，并提出了创建算法。　　最后，讨论了基于混合地图导航的关键技术，并设计了基于混合地图的移动机器人室内导航实验平台。提出了一种基于单目视觉的全局定位方法，并针对粒子滤波器(Particle filter, PF)实现定位时发生的退化(degeneracy)和耗尽(depletion)问题，提出了一种基于高斯混合模型(Gaussian mixture model, GMM)和中心差分粒子滤波器(central difference particle filter, CDPF)相结合的全局定位算法。通过对测量更新步的加权粒子集应用加权期望最大(Expectation Maximization, EM)算法获得表示机器人位姿状态后验密度的高斯混合模型，替代引起耗尽问题的PF的重新采样步。并且在创建好的混合地图中，基于滚动窗的梯度法实现了局部路径规划和动态避障。最后，基于设计的导航系统在实际室内环境中完成了导航实验。