自工业4.0提出以来,人工智能领域就被认为是前沿科技发展的重要科技领域,作为其典型代表的移动机器人技术也相应的受到越来越多的关注。移动机器人的智能化程度主要体现为它在所处环境中进行自主导航的能力,即时定位与地图构建(SLAM)技术作为自主导航系统的核心,被认为是移动机器人实现智能化和自主化的重要前提。本文主要是在移动机器人SLAM问题的研究基础上,对基于Rao-Blackwellized粒子滤波器(RBPF)的SLAM方法作出了相应的改进,进而提高了定位与建图的精确性和鲁棒性,并对其进行了实验验证。本文的主要研究内容如下:1.在研究RBPF-SLAM建议分布优化的基础上,本文提出了一种基于灰狼优化算法的RBPF-SLAM算法。该算法利用灰狼优化算法的局部探索和全局开发能力提高RBPF的估计性能,使得低权值粒子能够向最优值靠近,并能够在靠近过程中进一步优化粒子的估计值。在改进算法中,粒子退化得到了一定程度上的缓解,精确定位与建图所需的粒子数得到了有效的降低。对该算法与传统算法在多种数据地图上进行对比试验,仿真结果表明了改进算法的有效性和优越性。2.针对RBPF-SLAM重采样方案中因优胜劣汰机制而造成的粒子多样性下降的问题,提出了一种基于正则化滤波区域重采样的改进策略。本文将粒子按权重大小划分为高权重粒子、中等权重粒子和低权重粒子三类,改进算法对不同类别的粒子采取不同的处理策略,在一定程度上维护了粒子的多样性,缓解了传统算法中的粒子耗散问题。最后,在VS下对其进行仿真实验分析,结果表明了该算法的可行性和有效性。3.本文从底盘软件和SLAM本体软件出发,简要介绍本课题所涉及的SLAM软件系统组成。该软件以搭载有二维激光雷达的三轮全向移动机器人为实验平台,以linux下ROS系统作为实验的软件操作系统,实现了以SLAM算法为核心的精确定位与建图。通过在真实环境的实验,验证了算法和软件的可靠性。