机器人的研究发展和广泛应用对国防、航天航空、工业、农业以及科学技术具有重要意义。自主移动机器人通过自身配备的传感器自动获取未知作业区域的环境信息，建立环境模型和识别自身当前的位置，实现在有障碍物的未知环境中面向目标的自主运动，即自主导航。自主导航是自主移动机器人最基本也是最关键的问题，在近二十年里成为移动机器人领域的研究热点。　　 建立未知环境模型的同时解决机器人自身精确定位问题即机器人同时定位与地图创建(Simultaneous Localization and Mapping，SLAM)，是自主导航的核心问题。传统的被动式SLAM过程中，移动机器人在人为控制的情况下运动。在未知环境中没有人为干预的情况下，机器人自主决定行进的方向并规划出可行路径，同时确定自身位姿并创建环境地图的主动式SLAM研究则使机器人真正实现自主导航。　　 本文对移动机器人自主导航中的SLAM问题进行研究，在传统的被动式SLAM算法的基础上，提出一些改进方法及解决方案，以提高SLAM算法的计算效率和估计精度，扩展SLAM算法应用范围。应用行为动力学与滚动窗口路径规划方法解决主动式SLAM问题。具体的研究内容与创新点如下：　　 1.提出并实现了自适应搜索的延迟极小连通支配集数据关联算法。SLAM算法的计算效率与定位精度是矛盾的，定位精度的提高往往以降低计算效率为代价，数据关联算法的性能不但影响SLAM的估计精度，而且影响SLAM的计算效率。常见的数据关联算法侧重于数据相容性检验准则与数据搜索策略方面的优化，该算法通过减少关联数据的搜索空间来降低计算复杂度。研究结果表明，所提出的数据关联算法在保证估计精度的情况下明显提高了SLAM算法的计算效率。　　 2.提出并实现了基于特征的改进精确稀疏滞后状态滤波SLAM算法。原基于景象的精确稀疏滞后状态滤波SLAM算法应用于特征稀疏的环境中时，会因无稀疏化步骤而导致SLAM算法不恒时执行。该算法针对基于景象的精确稀疏滞后状态滤波SLAM算法的实际应用缺陷提出一种组合判断条件，该组合判断条件综合了新观测信息或当前时刻发生显著运动的机器人位姿两种情况。研究结果表明，所提出的算法在保证SLAM算法的精度的同时降低了计算复杂度。　　 3.提出并实现了基于精确稀疏滞后状态滤波的粒子滤波SLAM算法。该算法利用精确稀疏滞后状态滤波的自然稀疏信息矩阵的非零元素反映机器人位姿相对变化的同时，也对应于状态后验概率的条件概率的性质，应用Gibbs采样直接从SLAM完全后验分布产生样本，充分利用了信息矩阵包含的不确定信息，保持了粒子的多样性。研究结果表明，所提出算法的粒子集能够更好地描述真实后验分布，显著提高了SLAM算法的估计精度。　　 4.提出并实现了基于行为动力学与滚动窗口路径规划的主动式SLAM算法。传统的被动式SLAM算法中，未知环境中的机器人沿预先给定的路径运动。主动式SLAM算法必须解决控制律与运动路径规划需要在同时定位与地图创建过程中同步产生的问题。该算法应用行为动力学计算航向角与运动速度组成的控制律，应用滚动窗口规划路径，子地图法将滚动窗口地图与全局地图融合。研究结果表明，在目标点引导下，所提出的算法可完成主动式SLAM任务。　　 5.利用基于双目视觉的四轮全方位移动机器人SLAM实验平台，应用SIFT算法提取特征点，使用改进的匹配方法产生自然路标，在EKF滤波框架下实现机器人在未知环境中的建图与定位任务，验证本文算法的可行性。