移动机器人的同时定位与地图创建(Simultaneous Localization and Mapping，SLAM)是一项十分重要的研究内容。主要的研究内容能够包括环境地图的表示、机器人传感器的选择、机器人自定位和环境地图创建算法和数据关联方法。本文主要针对机器人自定位和环境创建算法中的问题进行了研究。 本文使用选用基本粒子滤波器(Particle Filter，PF)方法进行机器人自定位问题的研究。将机器人的运动模型表示为三维状态空间，机器人自定位问题可以转化为三维状态空间的状态估计问题。粒子滤波器用来进行状态估计。采用基于Kullbacl-Lerbler Distance(KLD)方法改进了粒子滤波器的采样机制已减少计算时间。通过仿真结果表明基于KLD 方法的粒子滤波器在不增加估计误差的基础上能够使用更少的时间完成机器人自定位的计算。 使用基于KLD采样方法的FastSLAM进行机器人同时定位与地图创建问题研究。使用不同的采样粒子数的标准FastSLAM算法，比较运算他们的运行时间，分析了采样粒子数对FastSLAM算法的估计结果的影响。将KLD采样方法应用于FastSLAM。仿真试验结果表明KLD采样方法能够降低FastSLAM的运行时间，减少计算量。