随着新一轮火星探测热潮的兴起,各主要航天大国都在争相开展火星表面探测活动,而火星车是完成这一任务的关键。“同时定位与地图创建”又称SLAM,指在未知环境中对移动目标进行相对定位,并构建环境地图。在缺少全局定位信息的火星表面,SLAM算法可以很好地对火星车进行相对定位并构建火星表面的环境地图,为路径规划和避障等任务的开展提供支持。在这一背景下,本文研究了基于滤波理论的火星车SLAM算法,主要研究内容如下:首先,研究SLAM算法的数学模型,采用概率学方法对SLAM进行建模。考虑到火星车在三维场景中运动,需要建立火星车系统的三维模型,并研究火星车与地形表面的接触约束条件,通过仿真获取满足地形约束条件的火星车运动参数,为后续火星车SLAM算法的研究打下基础。采用扩展卡尔曼滤波器作为核心估计算法对火星车位姿和环境中地标的位置进行估计,研究EKF-SLAM算法的主要流程,并对算法进行数学仿真以验证算法的可行性。考虑到EKF-SLAM计算复杂度随地标个数平方增长的特点,研究基于RaoBalckwellised粒子滤波器的火星车SLAM算法。这一算法通过将完全SLAM分解成一系列低维估计问题,并采用Rao-Balckwellised粒子滤波器进行求解,可以降低计算复杂度。最后采用数学仿真验证算法的可行性和有效性。针对传统的SLAM中机器人“被动地”执行SLAM的特点,研究通过规划机器人运动以降低定位建图不确定性的火星车主动SLAM算法。在EKF-SLAM的基础上,建立主动SLAM的数学模型,研究基于模型预测控制理论的主动SLAM问题的求解方法,通过数学仿真验证这一方法相对于传统SLAM算法在降低定位建图不确定性问题上的有效性。