自主移动机器人是智能机器人研究领域里的一个重要研究方向。移动机器人实现自主导航的前提是其自身能够精确的定位,特别是在环境地图事先未知的情况下。机器人在未知环境中,首先要通过自身携带的传感器来构建地图,才能完成进一步的导航等工作。而机器人在未知环境中构建地图与定位是同时进行的。因此,同时定位与地图构建(SLAM)始终是移动机器人研究中的一个基础且关键的问题。激光测距仪和Kinect已经广泛应用于二维环境地图的构建与机器人定位。所构建的环境地图是否可用于导航,取决于所构建地图的精度,而地图精度往往取决于所用传感器的视野范围与精确度。本文首先概述SLAM的技术基础与目前SLAM的主要实现方式。其次介绍所使用的机器人平台、传感器与ROS机器人操作系统,ROS是一个开源的机器人操作系统,自带可视化界面和动态实时调节参数的应用程序界面,并且自带指令来完成整个系统各功能包的状态查看与调试。然后分析SLAM所涉及到的关键问题,包括地图的表示方式;不确定信息的描述;定位;数据关联和累积误差。在定位算法上采用Rao-Blackwellized粒子滤波,详细分析了Rao-Blackwellized粒子滤波的原理与步骤。最后主要针对激光测距仪和Kinect来分为单个Kinect、单个激光测距仪、两个Kinect、Kinect结合激光测距仪四种不同的传感器组合模式分别进行Gmapping、Hector SLAM和CRSM SLAM三种算法的建图可用性对比。全部实验都是在真实室内环境里进行,并将室内环境分为特征单一、特征量少与特征复杂三种情形。再通过建图精确度对三种算法的性能进行评估。