近年来,随着人工智能成为各领域的热点研究方向,作为人工智能典型代表的机器人研究也进入新的热潮。作为高智能的机器人,能自主地对环境进行辨识和自定位,从而能够进行自主移动、判断和行为,是智能化的重要基础与标志。因此移动机器人的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是一项重要的研究课题。本文使用激光雷达和里程计作为主要的传感器,以双轮自平衡机器人作为研究和实验平台,研究了在未知环境中机器人位姿未知的情况下的SLAM方法。主要工作如下:首先,介绍了环境信息的表达方式和机器人不同的自定位方法。针对构建几何特征地图过程中,对激光雷达扫描点进行区域划分的动态阈值的确定问题,本文结合本课题使用的激光雷达RPLIDAR的特性,分析并提出了具体的区域分割的动态阈值,从而使得激光扫描点的区域划分更加合理。为了提高SLAM过程的鲁棒性,使用正则化以后的带重采样的序贯重要性采样粒子滤波器RPF作为定位算法。并针对传统的MCL概率框架下难以加入辅助信息的情况,利用几何特征地图匹配定位精确的特性,使用几何匹配定位结果用以改进RPF的重要性密度函数。并基于Rao-Blackwellization思想,提出改进的RBPF-SLAM。通过仿真证明了改进的RBPF-SLAM相对于传统的RBPF-SLAM具有更好的性能。最后,本文通过使用不同分布初始化粒子,进行SLAM实验,验证了改进的RBPFSLAM的有效性和可靠性。