自主移动机器人在实际环境中能够像人类一样实现自主的移动是移动机器人智能化的重要性标志,而同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）是实现这个功能的关键性技术基础。激光雷达因其较强的抗干扰性能力,可为移动机器人在构建环境地图时提供精准的数据,因此选用激光雷达作为移动机器人的外部传感器研究SLAM技术是目前主要的研究方向。本文基于粒子滤波（Rao-Blackwellized particle filtering,RBPF）算法,对激光RBPF-SLAM算法中涉及到的重采样技术进行研究优化,搭建仿真和实验平台,并在仿真环境和现实环境中对改进算法进行了验证。本文主要的研究内容如下:（1）针对本文所使用的自主移动机器人实验平台,完成移动机器人系统的坐标系和传感器坐标系的转换,并在此基础上建立里程计模型;对激光雷达传感器模型进行构建并进行数学模型推导;通过对比分析主流的移动机器人构建地图方法,选择占用栅格地图作为本文的地图构建方法。（2）对激光雷达传感器采集的数据中出现的异常数据进行分析处理,针对数据中的无效点提出了去除方法;分析了激光雷达运动畸变产生的原因,对去除运动畸变的主流方法进行了理论分析和数学模型推导,最后采用公开数据集对算法进行验证对比,结合本文所使用的移动机器人选出合适的方法。（3）对RBPF-SLAM算法涉及的理论基础进行了推导;针对RBPF-SLAM算法中粒子耗散的问题,通过采用优化建议分布来提高采样质量,减少采样次数;随后针对RBPF-SLAM算法重采样环节出现粒子多样性下降问题,进行了重采样环节的算法优化设计,最后通过公开数据集和Gazebo物理仿真环境验证算法的有效性。（4）搭建Turtlebot2移动机器人实验平台,选取两处室内环境,使用原算法和改进算法进行地图构建实验,对实验结果进行分析对比,结果显示优化后的算法有着更好的性能。最终对全文的研究内容及成果进行了总结和展望。