随着移动机器人在日常生活中的广泛应用,移动机器人自主式技术在科研领域受到了广泛关注。同时定位与地图构建(SLAM,Simultaneous Location and Mapping)是移动机器人实现陌生环境下自主定位和导航的关键性技术,有着重要的理论研究价值和应用价值。在给出移动机器人运动模型和观测模型的基础上,详细介绍了EKF-SLAM、UKF-SLAM、IEKF-SLAM算法,并对它们进行仿真比较;对于EKF-SLAM,发现其存在非线性模型线性化处理时引入误差过大的问题,提出了一种基于EKF-SLAM的闭环检测条件迭代(iEKF-SLAM)解决方法。该方法结合有效的地图管理策略,当且仅当在检测到机器人路径形成闭环时,利用迭代卡尔曼滤波的更新方法更新机器人和地图的状态,获得最大后验概率估计,在较小增加计算复杂度的基础上,提高了估计的精度和一致性。通过使用公共仿真软件包和维多利亚公园实测数据集,对比多种SLAM算法的实验结果,可知在移动机器人路径形成闭环的时刻采用迭代更新的策略,大大提高了机器人姿态的估计精度,证明了该方法的有效性。为了实证研究SLAM相关算法,本文搭建了基于机器人操作系统(Robot Operating System)的移动机器人平台。以ROS为开发平台,制定了所搭建机器人平台的通信框架,规划了底座控制方案。使用ROS中工具,对搭建的移动平台进行了调试和完善,使用移动平台完成了自主构建地图与定位导航实验,分析了移动平台各个节点之间的通信。为了在进一步的改进工作中,使搭建的移动平台具备多传感器互补性,分析了视觉SLAM前沿技术。研究了ORB-SLAM2和DSO(Direct Sparse Odometry)两种流行的视觉SLAM算法,在ROS环境下实现并分析了两种视觉SLAM算法,并基于DSO算法实现实验室环境下的手持kinect2制图。