1.一种基于多超声传感器的移动机器人同步定位与地图构建方法，其特征在于包括如下步骤：(1)设置超声传感器：

在机器人机身周围的同一水平面上均匀布置至少16个超声传感器，且机身前后两部分的超声传感器对称分布；

(2)获取超声测量数据：

部署在机器人机身的超声传感器通过检测从发送超声波到接收到回波的时间，获取超声传感器与正前方障碍物之间的距离，即超声测量数据；在连续时刻，多次获取超声测量数据；

(3)组合所获取到的超声测量数据：

3.1)设定对所获取到的超声测量数据的组合次数为N，且N为大于0的自然数；

3.2)对所获取的超声测量数据进行坐标变换，设第一个测量时刻移动机器人在世界坐标系下的位姿为Ta，第一个测量时刻的测量值Za，第二个测量时刻移动机器人的位姿为Tb，第二个测量时刻的测量值为Zb；

通过下式变换得到第二个测量时刻测量值Zb在第一个测量时刻对应坐标系下的测量值Zb2：Zb2＝Ta^{-1}*Tb*Zb；

将Zb2与Za叠加作为新的第一时刻测量值Za0；

3.3)根据步骤3.2)的变换方式亦可得到第三个测量时刻测量值Zc在第一个测量时刻对应坐标系下的测量值Zc2：Zc2＝Ta^{-1}*Tc*Zc；

其中，Tc为第三个测量时刻移动机器人的位姿，Zc为第三个测量时刻的测量值；将Zc2再与Za0叠加，以此类推，便可得到多个超声测量数据在同一坐标系下的叠加值，即组合超声测量数据；

(4)判断是否达到设定的组合次数：

判断步骤(3)中测量数据的叠加是否达到设定的组合次数N，得到其全部数据的叠加值；若是则执行步骤(5)，若不是则返回步骤(2)；

(5)预测机器人的当前位置：

设上一时刻的机器人位置已知，根据上一时刻到当前时刻机器人收到的运动指令，结合定位算法，对当前时刻的机器人位置进行预测；

5.1)求解机器人收到运动指令后的当前位置估计：

设上一个时刻机器人的坐标为(x1，y1，theta1)，接收到的运动指令为(dx，dy，dtheta)，得到机器人收到运动指令后的坐标为(x2，y2，theta2)，即当前位置估计；

其中：

x2＝x1+dx；

y2＝y1+dy；

theta2＝theta1+dtheta；

5.2)计算机器人的当前时刻预测位置：

在位置估计的基础上加上一定噪声，通过随机采样的方式，选择均值为零的高斯噪声作为一种扰动(dx’，dy’，dtheta’)，设选取三十个粒子，其中每一个粒子表示机器人位置的一种可能性，这三十个粒子可产生三十个扰动，在当前位置估计的基础上加上这个扰动，得到三十个不同的位置，将这些位置作为机器人的当前时刻预测位置；

(6)确定机器人的当前时刻最终位置：

在根据预测位置已经构建出了部分地图的情况下，通过假设机器人的当前位置，计算出机器人相对于已知的部分地图应该有的测量值，即预测的测量值，将这个预测的测量值与实际测量值对比，可得知机器人的当前时刻预测位置是否准确，即预测的测量值和实际测量值是否匹配；根据组合测量数据与已有地图的匹配情况，对不同粒子进行打分，得分最高的即为最匹配的位置，将该位置确定为机器人的当前时刻最终位置。

(7)根据机器人的当前时刻最终位置更新环境地图：

以步骤(6)中得到的机器人当前时刻最终位置作为基准，结合当前超声传感器的测量数据，更新地图中未部分知的区域，同时修正部分已知位置的地图值，从而更新地图。

2.根据权利要求1所述方法，其特征在于：步骤(6)所述对不同粒子进行打分，通过超声传感器和已建立地图之间的测量模型完成，具体步骤如下：

6.1)在产生回波的端点周围建立一个指数分布，用这个指数分布值来得到端点附近的栅格所对应的占据值，随着离端点的距离增大，占据值呈指数迅速衰减，与实际超声测量数据相符；

6.2)用实际超声测量数据和已经建立的地图进行对比，根据两者之间的匹配程度来计算这个粒子位置的得分；假设地图中障碍物的位置为X0，那么在其附近位置X的预测值val可由下式计算得出：val＝A*exp(X-X0)，

其中A为调节系数；

6.3)将预测值与测量值相减得到误差，用这个误差可计算得到这个粒子的概率密度，从而获得该粒子的得分；遍历所有粒子，选择得分最高的位置，即为所确定的机器人当前时刻最终位置。

3.根据权利要求2所述方法，其特征在于：所述地图采用栅格地图，即把整个环境分为很多小的栅格，然后在每个格子里填一个0到1的数字，来表示这个小栅格中物体占有率，即占据值，其数字越大，栅格被物体占据的概率越大。