由于移动机器人处在未知且不确定的环境中，主要采用基于概率的方法对同时定位与地图构建(SLAM)进行描述。建立了SLAM问题的概率表示模型，并对在解决SLAM问题中最常用的扩展卡尔曼滤波(EKF)算法以及迭代扩展卡尔曼滤波(IEKF)算法进行了描述。针对两种算法的缺陷和不足，将应用于跟踪领域的修正迭代扩展卡尔曼滤波算法(MIEKF)与SLAM思想结合，提出了一种新的基于MIEKF的SLAM算法,该算法能减小线性化误差并且不需要很高的观测精度。最后用上述算法进行了基于点特征的SLAM实验，验证了该算法的有效性