1、時(shí)代演進(jìn)，技術(shù)也隨之發(fā)展，越來越多的領(lǐng)域?qū)C(jī)器人提出需求，移動(dòng)機(jī)器人的相關(guān)研究備受各界關(guān)注。室內(nèi)移動(dòng)服務(wù)機(jī)器人要達(dá)到真正的智能必須要對(duì)室內(nèi)環(huán)境進(jìn)行感知從而進(jìn)行智能決斷。而機(jī)器人對(duì)室內(nèi)環(huán)境的感知是否準(zhǔn)確與完整，恰好又決定機(jī)器人智能決斷的準(zhǔn)確性。自主移動(dòng)機(jī)器人是一種最為常見的智能機(jī)器人，其中解決“我在哪”的問題最體現(xiàn)其自主性，是移動(dòng)機(jī)器人實(shí)現(xiàn)自主導(dǎo)航等功能的前提。
　　SLAM（Simultaneous Localization An

2、d Mapping，簡(jiǎn)稱SLAM）恰好能夠解決這個(gè)問題，其能夠較好的在未知的環(huán)境中對(duì)室內(nèi)環(huán)境進(jìn)行感知以及同步的進(jìn)行機(jī)器人自身位姿獲取和環(huán)境地圖構(gòu)建。本文主要工作包括如下幾個(gè)方面:
　　1.對(duì)移動(dòng)機(jī)器人室內(nèi)環(huán)境感知和地圖構(gòu)建，從理論分析結(jié)合數(shù)學(xué)公式推導(dǎo)入手，詳細(xì)介紹了基于粒子濾波（Particle Filter，簡(jiǎn)稱PF）SLAM的思想及實(shí)現(xiàn)，進(jìn)而通過實(shí)驗(yàn)室真實(shí)環(huán)境對(duì)算法進(jìn)行實(shí)驗(yàn)，詳細(xì)分析算法的優(yōu)缺點(diǎn)，為提出優(yōu)化方案提供理論支持。<

3、br>　　2.基于粒子濾波的SLAM算法的實(shí)現(xiàn)，使用了大量的粒子來表示定位位姿的概率分布，粒子的數(shù)量一定程度上決定算法定位準(zhǔn)確度和抗干擾能力，但在增加粒子數(shù)量的同時(shí)，算法的計(jì)算量也將增加，進(jìn)而導(dǎo)致定位延遲，因?yàn)镾LAM算法具有時(shí)效性，最終導(dǎo)致定位誤差。基于此問題本文提出一種使用GPU并行計(jì)算的方法，對(duì)基于RBPF-SLAM算法進(jìn)行改進(jìn)，減少算法執(zhí)行時(shí)間，減少由算法定位延遲導(dǎo)致的定位誤差。并且最終通過實(shí)驗(yàn)結(jié)果分析證明此方法的有效性。

4、>　　3.SLAM所構(gòu)建的地圖仍然是有缺失的，因?yàn)榈貓D信息中并不包含如室內(nèi)環(huán)境溫度、濕度、對(duì)象屬性等信息。導(dǎo)致機(jī)器人對(duì)環(huán)境的感知不夠深入，影響機(jī)器人在以后的自主導(dǎo)航中的智能決斷?；诖藛栴}本文提出一種本體語(yǔ)義結(jié)合SLAM的方法，通過ZigBee無線傳感網(wǎng)來獲取機(jī)器人自身傳感器未能獲取的環(huán)境數(shù)據(jù)，使用本體描述語(yǔ)言(Ontology Web Language，簡(jiǎn)稱OWL)將室內(nèi)環(huán)境對(duì)象本體化。同時(shí)借助本體的推理機(jī)制和語(yǔ)義庫(kù)，指導(dǎo)機(jī)器人進(jìn)行決