Esta Tesis presenta un nuevo algoritmo para describir el entorno de trabajo de un robot autónomo móvil. Dicho algoritmo tiene como objetivos la detección y posterior caracterización de distintos tipos de marcas naturales en los alrededores del agnete móvil a partir de la información ofrecida por un sensor láser (scan). Esta descripción del entorno es aplicada de forma eficiente en esta Tesis a dos tareas básicas en el campo de la robótica autónoma: el problema de la localización y la creación simultánea de mapas (SLAM, Simultaneous Localization and Map Building) y la autolocalización del robot básandose en el uso de algoritmos comunmente denominados como comparación de scan o scan matching.Con el fin de interactuar con el mundo que lo rodea, los robots están equipados con diferentes sensores (e.g., visión, sónar, gps o láser) que toman del entorno la información necesaria para, a posteriori, interpretarla y así llevar a cabo con éxito distintas tareas. El algoritmo propuesto usa los datos procedentes de un sensor láser colocado sobre el robot. Este sensor genera una representación del entorno basándose en la distancia del robot a cada uno de los elementos que lo rodean. De esta forma, y a partir de la información en bruto facilitada por el sensor láser, el algoritmo se centra en obtener la infomación de la curvatura de los datos capturados. Esta información obtenida aplicando la función de curvatura adaptativa que se define en esta Tesis, es el concepto clave del algoritmo propuesto, que por ello se denomina: CUBA, del ingés Curvature-BAsed environment description. La función de curvatura permitir a extraer información de entorno, tales como segmentos rectos y curvos, esquinas o bordes, descritos tanto por su localización como por la incertidumbre asociada a su posición. En el campo de la robótica se considera una tema esencial para la navegación autónoma la solución al problema del SLAM. Tradicionalmente, una de las principales dificultades al afrontar la cnstrucción de mapas a partir de la información suministada por los sensores era como representar el entorno del robot. Esta Tesis usa los resultados del método de descripción para implementar un algoritmo de SLAM basándose en el Filtro Extendido de Kalman (EKF-SLAM). Por otro lado, la localización del robot a partir de la alineación de dos scans consecutivos es también una herramienta muy usada para la navegación del agente móvil. Esta técnica, conocida como scan matching, compara dos scans capturados en distintos instantes de tiempo para obtener información relativa al desplazamiento del robot. Un algoritmo de scan matching ha de facilitar esta información de manera precisa y robusta frente a cambios en el entorno entre un scan y su consecutivo (provocados, por ejemplo, por personas u objetos en movimiento). Por ello en esta Tesis se aplica la función de curvatura con el objetivo de eliminar de forma eficiente aquellos grupos de puntos del scan que pertenecen a elementos dinámicos del entorno.Esta Tesis incluye un conjunto extenso de resltados experimentales en entornos de interiores y exteriores que evalúan el algoritmo CUBA. A su vez, se incluyen diferentes experimentos que prueban las herramientas desarrolladas (SLAM y scan matching) sobre la base de nuestro algoritmo. Además, la robustez del método propuesto es analizada usando los datos obtenidos por un robot equipado con dos sensores láser distintos.