本文首先分析了SLAM的理论架构、主要问题及其发展情况。在此基础上着重分析了为何要在SLAM中引进数据关联技术以及数据关联在国内外的研究情况,并介绍了数据关联在SLAM中的难点和重要性。其次,为了实现复杂数据的关联处理,本文介绍了实现数据关联中非常重要的基础工作——特征提取,以及特征线段的表示及提取方法。为后面建立激光传感器模型打下了基础,随后详细介绍了本文所用激光传感器的特征提取过程。接着介绍了数据关联的各种研究方法及其优缺点,并结合SLAM仿真详细研究了SLAM中最近邻NN、JCBB数据关联方法,通过比较和分析在SLAM中两种方法的方针结果,最终选取JCBB算法来处理SLAM中的关联问题。针对JCBB算法的运算量大,速度太慢的缺点,本文对其进行了线性优化处理,从而大大提高了数据关联的效率。整个仿真过程是利用特征提取方法从原始观测数据中提取特征线段,引入优化的JCBB数据关联方法对特征线段的观测进行门限过滤,从而完成特征直线观测和预测间的最终匹配。在此基础上使用扩展Kalman(EKF)滤波技术完成了基于特征直线的机器人位置更新。之后本文分析了数据关联技术在机器人定位中的重要作用、处理方法及实验结果。在理论方面充分证明了线性优化后的JCBB数据关联技术能够大大提高自主移动机器人应用的可行性和有效性。同时通过对仿真结果的分析,表明在SLAM中使用本文所改进的数据关联方法能够显著提高机器人定位和创建地图的鲁棒性。最后对全文进行总结,并对进一步研究进行了展望。