随着新材料、传感器技术、人工智能和计算机等技术的发展，使得机器人等相关技术的研究取得了巨大的突破，对社会发展和生活方式产生的影响与日俱增，使得服务机器人的市场需求越来越大。然而实时定位与地图构建(SimultaneousLocalization and Mapping，SLAM)问题的存在限制了服务机器人的进一步推广和应用，使得当前的普及率和应用程度并不高。在SLAM问题将近三十年的研究中，虽然已经取得了众多的研究成果，但在特征提取、数据关联、导航定位、回环检测和计算复杂度等方面仍然存在许多问题。本文针对室内移动机器人实际应用中存在的问题，在传统的SLAM算法框架以及状态估计理论的基础上，对机器人工作性能影响较大的地图的表现形式进行了深入的研究。　　首先，针对混合地图良好的表达性能，提出了一种拓扑矢量地图。其上层为基于分区关系的拓扑地图，分区内部用矢量地图来完成细节描述，增强了拓扑地图和矢量地图之间的联系，有效地减少了存储空间，同时提高了处理效率。拓扑矢量地图的实现主要包括以下四个方面：(1)基于沿墙搜索的角点特征提取方法，有效地简化了数据提取复杂度。(2)提出一种矢量提取方法，有效地减少了单次处理的数据量和地图所需存储空间。(3)基于几何关系和虚拟门特征的自动分区方法，有效地提高了分区方法的适应性。(4)提出一种可以适应不同环境变化率的地图自动更新方法，实现了分区更新地图，减少地图维护成本，同时使得构建的地图更接近真实环境。　　其次，为了验证提出地图表现形式的可行性，构建了一个TVSLAM(Topological-vector Map BasedSimultaneous Localization and Mapping)算法框架。首先基于传统的RBPF(Rao-Blackwellized Particle Filters)粒子滤波，并结合本文提出的拓扑矢量地图构建原理，建立了移动机器人的SLAM问题的概率模型。然后融合了最大似然估计和蒙特卡洛两种定位算法，构成了基于分区扫描匹配的组合定位方法。最后参考序贯重要性重采样的粒子滤波原理，对其中建议分布的选择和重采样策略这两个环节进行了改进。　　然后，基于以上研究，搭建了机器人实验平台并进行仿真和实验验证。首先建立统一的运动模型和环境模型，然后在MATLAB和Rviz平台上分别验证了二维和三维仿真环境中的可行性，并与四种经典的激光SLAM算法进行了对比分析，得出了本文提出的地图表现形式在存储量和与真实环境相似度上都具有较高的性能。最后设计了移动机器人实验平台硬件和软件架构，并进行了实际环境实验，实验结果进一步验证了提出的地图构建算法在存储量和数据关联上的性能优势，有效的推动了地图构建算法的应用和完善。　　最后，对全文主要创新点进行了总结，并对室内移动机器人技术未来的发展方向进行了展望。