同步定位与地图构建(SLAM)技术是室内巡逻机器人执行任务的核心技术.如何构建精确的地图是其面临的主要问题.为了提高地图构建的精确度,从硬件层面和算法层面进行改进.首先,建立全向机器人移动底盘的数学模型,选用麦克纳姆轮底盘来解决传统差分轮式机器人转向能力较弱的问题.其次,基于开源机器人系统(ROS),对室内巡逻机器人进行软硬件架构.最后,对传统的Rao-Blackwellized粒子滤波器-同步定位与地图构建(RBPF-SLAM)算法进行改进,提出了利用马尔可夫链蒙特卡罗重采样方法(MCMC)来解决粒子的退化问题,并在计算提议分布时添加激光雷达观测模型,从而提高提议分布的精度.试验结果表明,优化后的算法所构建的地图准确度更高、轮廓更完整、鲁棒性更好.该研究使得巡逻机器人可以更准确地进行巡逻工作,也为整个移动机器人领域的研究提供了重要的参考价值.