随着现代科技的不断发展,服务机器人已经开始逐步走入家庭,自主探索室内未知环境和构建地图是服务机器人的基本功能之一,因此不可避免地成为了研究的热点,这是实现服务机器人自主性的第一步。面向室内未知复杂环境,本文主要进行了以下工作:在快速扩展随机树路径规划算法(RRT)的基础上,提出一种适用于室内服务机器人构建地图的主动探索方法;针对室内环境,在点线特征地图框架下对特征的提取方法进行了改进,提出了一种新的角特征提取方法;实现了对环境中动态因素的提取,构建了一个主动探索与地图构建系统,对实际试验中出现的问题进行了分析,提出了解决方法。本文首先从机器人的运动模型、传感器模型和里程计模型三个角度对服务机器人平台进行了分析,从实际应用角度对后期工作中需注意的问题进行了说明。针对RRT在已知静态环境中应用的局限性,为避免探索的盲目性,将RRT与边界启发式路径规划相结合,融入包围式搜索思想,并加入动态因素避障策略,提出了一种适用于室内服务机器人构建地图的探索方法HSRRT,并通过仿真验证了其可行性。在点线特征地图框架下,针对角特征点提取困难的问题,提出了逐步二分法;在直线提取过程中融入了Ransac算法,保证了直线特征的精确度;运用差分法实现了动态因素的提取;最终通过地图优化降低了存储空间,实现了一个完整的地图构建系统。在实验方面,通过Matlab仿真实验验证了HSRRT算法的可行性;在地图构建方面验证了逐步二分法的实用性,并通过与三点预测法对比证明了其准确性高和重复性好;通过加入RANSAC前后直线拟合实验的对比,证明了本方法的准确性。用MbICP算法修正了里程计的打滑造成的相对误差影响,通过实验进行了证明,并提出一种用于修正里程计累积误差的方法,用于构建更准确的地图;通过实验证明了对动态因素的处理,在探索时对其避障,在构建地图时将其排除。