近年来,具备导航规划能力的自主移动机器人在各种领域开始广泛应用。而地图构建和定位(Simultaneous Localization And Mapping,SLAM)是自主移动机器人的关键技术之一,它是机器人自主导航,成功执行特定任务的重要保障。在动态,复杂的室内应用场景中,比如办公室,商场等,自主机器人必须准确地定位自己所处的位置,并避开障碍物,完成设定的任务。本文针对清洁机器人、服务机器人、AGV机器人等室内应用场景,提出了一种多传感融合的SLAM算法,主要利用低成本的激光雷达、IMU、编码器信息进行融合,准确地估计轮式机器人的运动位姿,并在此估计的位姿上,通过将激光雷达的扫描点云匹配得到环境的概率栅格地图。与此同时,后端闭环检测加入闭环约束条件,并利用图优化的方法消除前端构建地图时的累积误差,从而使得轮式机器人能够构建精度很好的环境地图,并在此建图基础上,解决机器人的全局定位问题。本文提出的多传感融合算法,具有实时、低功耗、鲁棒性好的优点,并且在资源有限的嵌入式平台上运行也得到很好的结果。本文的主要工作如下:(1)对双轮差分驱动的机器人建立运动模型和建立测量模型,并结合IMU和轮子里程计利用扩展卡尔曼滤波器融合,在预测阶段确定了运动模型分别关于机器人状态和噪声的雅各比矩阵,在更新阶段确定了测量模型关于机器人状态的雅各比矩阵。(2)对轮式机器人室内SLAM问题建立图模型和理论分析。着重分析和阐述了将一个轮式室内机器人的SLAM问题表述成因子图的形式,并且将这个SLAM问题转化为一个最小二乘的优化问题。最后确定了选用LM算法求解这个优化问题,并给出了算法的流程。(3)研究了基于相关性扫描匹配的算法,以及利用多分辨率相关性匹配进行闭环检测,然后计算约束,并把约束条件加入后端优化问题,确定了计算约束引入的残差函数具体表达,最后选用非线性优化算法进行最小二乘问题的求解。(4)通过大量的实验验证算法在闭环建图和全局定位的性能和鲁棒性,统计了建图的精度平均误差以及全局定位的成功率和需要的时间。