现代技术导致激光雷达和视觉传感器的成本不断降低,技术上也获得了一定的突破,自主导航的机器人研究成为一门比较热门的研究领域。在实际应用中,自主导航的机器人不再仅仅是实验室环境下实验产物,开始逐渐的走出实验室,进行工业生产和畜牧养殖等产业。自主导航是实现产业无人化的重要环节,为了达到自主导航的目的,机器人要根据传感器获知自己的位置,需要的位置前提为需要具有一套较为精准的地图,两项技术总称为同时定位与地图构建(SLAM)。本文针对畜牧养殖场的环境,以ROS为框架,改进传统轮式自主移动机器人,对履带式移动机器人系统的搭建和相关SLAM技术的研究。首先对系统所需的硬件系统进行搭建,同时设计畜牧养殖场巡检机器人的基于履带式运动平台的机械结构。阐述SLAM系统的环境地图模型和构建栅格地图的基本原理及传感器的模型。通过对基于滤波器的SLAM算法进行分析研究,进行多种二维和三维的SLAM算法的对比试验,为多传感器融合技术的构建打下了基础。在ROS框架下对VINS_Mono算法进行改进,改进优化后的VINS_Mono算法和图优化算法在畜牧养殖环境中可具有强的鲁棒性,达到应用的目的。在算法的优化上,通过分析地图所需要构建的环境。利用改进的图优化算法和改进的视觉VINS_Mono算法对地图构建中的特征点进行提取,传统的提取特征方式为深度信息,仅能提取环境的点与边界线的提取,失去地图上的多个语义信息,造成建立的稀疏地图不准确。为改进上述问题,在算法中加入回环检测特征的提取模型,提出的视觉与传统单线激光雷达算法混合并行运算的混合提取算法,改进后的算法构建的模拟实验养殖环境的地图模型与实际环境进行对比,通过对比发现实验结果的模型与实际实验环境更加接近,达到混合并行算法的目的。同时解决了模拟的养殖环境中的盲区无法被检测到的问题。基于滤波方法和基于图优化方法是主要使用的SLAM基础理论,对两种方法的SLAM基本原理进行介绍和仿真,对滤波算法中的Gmapping、Hector SLAM和图优化算法中的Cartographer三种经典算法进行介绍和实验对比。同时视觉SLAM算法中应用ORB-SLAM算法模型和VINS_Mono算法模型进行实验。