同步定位与地图构建是机器人领域中的一项关键技术,具有广阔的应用前景。在结构化的环境中,线特征十分丰富,可以构建出图像中基本的环境结构,与图像中的点特征相辅相成,相得益彰。本文利用深度相机构建基于点线特征和混合回环检测的RGB-D SLAM三维重建方案,目的在于提高定位和建图的精度,增强整体的鲁棒性,本文主要研究内容如下:首先,本文对基于点线特征的位姿估计算法进行了部分改进。对点线特征进行数据关联,建立点线特征的误差模型。将稀疏直接法与特征点法相结合,提出了一种结合点线特征、由粗到精的位姿估计方法。在RGB图像中提取ORB特征点,利用稀疏直接法对当前相机位姿进行粗估计,然后,提取线特征,在前面位姿获取的基础上利用点线特征构建图优化模型,对相机位姿进行精估计。其次,本文对闭环检测的方法进行了改进。在随机蕨算法的基础上,引入词袋模型,弥补了随机蕨算法对光照敏感的缺陷。改进了候选闭环帧的选择策略,将两幅图像分别进行随机蕨编码,并计算两幅图像编码的汉明距离,对汉明距离进行归一化,并结合两幅图像的词袋向量计算相似度。这样做充分的利用了图像的整体信息,提高了闭环检测的准确率,最终得到全局一致性的相机位姿,以及全局一致性的地图,为重定位以及导航提供较为精确的地图。最后,本文建立了基于点线特征结合混合闭环检测的SLAM三维重建方案。方案包括跟踪线程、局部地图的构建、闭环检测线程以及基于面元的三维场景的重建四大部分。在利用面元进行重建时,利用ICP算法和图像的色彩信息,再次优化了全局位姿。在TUM数据集下进行了多组对比实验表明,本文算法在一定程度上提高了相机运动轨迹的精度并展示了闭环检测和三维重建的效果。