机器人在国防、民用、科研等领域都有着广泛的应用前景,在计算机技术里一直处于研究的前沿。机器人的自主导航系统庞大、技术复杂,在研究和实验过程中迫切需要真实度高、实时性好的仿真系统以验证各类算法的有效性,为智能感知,路径规划等模块提供预研与技术验证等支持。本文针对构建面向机器人自主导航技术所需要的关键技术展开,以计算机图形学和虚拟现实技术为基础,进行了如越野环境的渲染,传感器仿真算法,以及虚拟实验环境的构造等研究,并取得一定成果,其中包括：针对野外越野场景的地形渲染的需要,提出了利用GPU实现的四叉树地形渲染算法,通过GPU提高四叉树的构建速度,在此基础上提出了以GPU实现的四叉树遍历,场景分割,裂缝消除和多边形化等技术。取得了较传统算法更为精确的渲染效果和3-4倍渲染速度的提升。同时,通过将处理大尺寸场景常用的clipmap技术引入四叉树构造技术中,拓展了该技术在大尺寸场景上的应用空间。并提出了一系列裂缝消除,数据调度和渲染优化策略。实验证明该算法结合了动态算法和固定网格算法的优点,没有预处理的需求,因此运行期对数据传输的依赖很低,同时几乎没有带宽需求,在低CPU负载的情况下可以获得很高的帧速率,是应用前景很广泛的地形渲染技术。针对传感器仿真的需要,本文提出利用GPU硬件实现的激光雷达和光学摄像机仿真技术。通过引入环境纹理、bump map和位移纹理等技术,实现这两类自主机器人上普遍使用的传感器的仿真。对激光雷达的实验表明,该算法普适性好,针对各类雷达都能很好地仿真,同时拥有满意的仿真速度。对光学摄像机的实验表明,仿真算法可以很好地建立虚拟摄像机和仿真摄像机之间的关系,真实度很好,同时算法还可以很好地模拟各类镜头的畸变。由于算法充分利用了GPU结构,本文的算法不仅在速度上有明显优势、可运行于普通桌面系统而无须复杂的大型系统,更重要的是这两种算法充分考虑了现代渲染技术对GPU的依赖,通过GPU执行的仿真算法不仅有效地节约了系统的带宽需要,同时也降低了CPU的负担。针对虚拟环境搭建的需要,本文对利用自主机器人上所携带的传感器进行虚拟场景搭建的技术进行了研究。其一是通过激光雷达实现对多边形场景的构建,通过对多边形的筛选,获得可靠的网格。并在此基础上执行网格的简化算法,构造可以满足渲染器渲染需要的网格。实验证明网格的简化算法可以有效地保留模型的特征,大幅度减少冗余多边形,停机策略良好。其二是通过激光雷达和光学传感器所生成的体视数据进行的越野环境数字高程数据的构建,以及平滑、填充等一系列操作,达到构建越野环境的目的,实验证明该算法简单有效,对空白区数据的填充效果良好。