在移动机器人室内导航或执行操作任务中,机器人对环境的认识和自定位是至关重要的两个问题,本文工作就是针对这两个问题进行研究的。随着家用机器人的普及进程,对机器人提出了低成本、低功耗、高可靠性的要求。在上述要求下如何实现机器人与环境之间的交互是本课题的重要内容。机器人的定位是以环境地图为基础的,环境地图的创建又需要精确的定位,在未知环境中,这是一个既矛盾又相关的过程。本课题的基本思想是基于家用室内移动机器人平台,首先在初始位姿已知的前提下,根据环境的拓扑路径构建栅格地图,引入的绝对路标保证了地图的重复精度。然后基于此栅格地图,在初始位姿未知的情况下,引入粒子滤波器对机器人的位姿进行估计,成功实现了机器人的全局定位。最后通过实验验证了本算法的正确性和高效性。具体的工作主要有以下几个方面:(1)栅格地图的构建:本文综合贝叶斯理论和灰色系统理论方法的优点对超声波模型和数据更新模型进行了理论分析,提出BG融合算法(Bayesian-Gray Algorithm)用于栅格地图的构建,并进行了对比实验,验证了BG算法构建栅格地图的准确性。引入绝对路标信息来实现绝对地图构建,同时保证地图的稳定性及重复精度。(2)机器人自定位:采用一种改进的进化粒子滤波器进行机器人自主定位的研究。针对传统粒子滤波器的粒子退化和贫化现象,本文引入了粒子进化机制,提高了传统粒子滤波器的自定位效率和准确性。(3)通过实验构建了BG栅格地图,验证了BG算法构建的地图具有较高的准确性和稳定性,同时对影响地图构建的各种因素进行了分析。通过实验实现了机器人全局定位,验证了进化粒子滤波器的有效性,其定位误差在设计允许范围之内。