挖掘机器人在野外环境下进行自主导航一直以来都是机器人研究领域的热点问题,它要求机器人实现在野外环境中自主运动。因此,定位和环境建图技术就显得尤为重要,精确的定位有助于机器人环境模型的建立。因此本文结合某研究所挖掘机器人环境感知项目,对挖掘机器人在野外未知环境下进行自我定位与建图进行了研究。针对传感器的标定,本文采用棋盘格标定法对传感器进行联合标定。实现多传感器信息互补。为了提高障碍物的检测效率,首先通过激光雷达获取障碍物的大致区域,将获得的信息映射到图像。经过图像预处理,采用Slic(simple linear iterative clustering)超像素聚类像素点,并结合Grabcut算法进行分割,得到精确的障碍物信息。针对CCD摄像头不能全方位拍摄,采用改进的渐入渐出算法进行图像拼接,得到最优融合图像。针对单一传感采集信息的不确定性,采用模糊推理算法对传感器获取的环境信息进行融合。实验仿真表明,融合后障碍物的识别准确率大大提升,接着采用C4.5算法进行障碍物分类,并进行优化。最后,深入研究基于多传感器融合的同时定位与建图算法。将障碍物设定为环境中的静态路标,辅助机器人在野外环境中进行自我定位与建图。结合模糊推理优化算法对EKF-SLAM(Extended Kalman Filter-Simultaneous Localization and Mapping)进行改进,并在仿真平台上进行仿真,对结果进行分析对比、结果表明提高了创建环境地图的精度,证明了改进算法的有效性与稳定性。并采用挖掘机器人在实验室环境下,对实验室走廊进行建立环境电子地图。