机器人定位是给定环境的地图，机器人利用对环境的观测信息确定自己的位置，机器人建图是在已知机器人位置的情况下，从观测信息获得环境的地图信息；而机器人同时定位与建图(Simultaneous Localization And Mapping，SLAM)问题可以描述为机器人通过获得观测信息，产生地图并同时利用该地图给自己定位。　　本文首先讨论了卡尔曼滤波、扩展卡尔曼滤波、粒子滤波算法及其在SLAM问题中的应用，其中，对粒子滤波器的性能基于Matlab软件进行了仿真实验并得到粒子滤波器鲁棒性较好的结论；分析了基于粒子滤波的RBPF-SLAM(Rao-BlackwellisedParticle Filter SLAM)算法的框架和DPSLAM(Distributed Particle SLAM)算法中所使用的数据结构。　　其次介绍了基于激光测距仪的扫描匹配估计机器人在未知环境中的位姿的方法，重点研究了迭代最近点(Iterative Closest Point，ICP)算法，并基于Windows平台以VS2005为开发环境利用实际扫描数据，采用该算法分别进行了激光扫描匹配及估计机器人位姿的实验，实验证明了该算法在一定条件下可以用于机器人的定位问题中。　　最后在’Windows平台下以基于ICP算法估计的机器人相对位姿代替里程计信息，并建立了相应的运动模型，采用粒子滤波算法，用少的粒子数目成功完成了没有里程计的SLAM实验，实验证明了ICP算法在粒子滤波SLAM问题中的有效性。