随着移动机器人领域的发展，移动机器人能有效地在复杂危险的环境下执行任务，移动机器人的智能自主性得以提高。对未知环境进行探测建图并实时导航是移动机器人技术的研究难点。移动机器人在未知环境下根据自身位置估计和传感器数据，自主智能化实现自身定位和建立环境地图，这一过程称为同步定位与地图构建（Simultaneously Localization And Mapping，SLAM）。视觉传感器具有信息量丰富、轻量级、便宜等优点，将SLAM与视觉传感器相结合已成为机器人自主导航的研究热点。传统方法中更多采用扩展卡尔曼滤波或粒子滤波等滤波器方法来解决SLAM问题，但此类方法存在线性化及更新效率等问题，难以应用于创建大规模地图。随着SLAM相关高效求解方法的深入研究，基于图优化理论的SLAM技术能很好的创建大规模环境地图，并明显减少积累误差。　　本文采用以华硕Xtion PRO为代表的RGB-D摄像头作为视觉传感器，同时获取室内环境的图像数据和深度数据，能够建立室内环境三维信息模型和用于移动机器人导航的二维栅格地图，主要研究工作如下：　　1.本文仔细讲述了Xtion PRO相机获取RGB图像数据和深度图像数据的实现步骤，利用最小化残差平方得到相邻点云数据的相对位置关系，进而对点云数据进行配准与融合，实现了重建三维点云地图。　　2.本文详细分析并比较了SIFT、SURF和ORB这三种特征点算法的提取特征点数目、运算时间以及正确率，最终使用了ORB算法实现特征提取与描述子计算。利用RANSAC算法与ICP算法相结合来求解相机运动估计的旋转矩阵R和平移向量t。　　3.本文实现了基于图优化的视觉SLAM后端，构建了SLAM图优化模型，对基于图优化的SLAM问题进行了数学推导，使用g2o开源库来实现了图优化，最后利用BOVW闭环检测算法提高了移动机器人在未知场景环境下对突发状况的鲁棒性。　　4.本文提出了一种基于边界的探测策略来实现移动机器人自主探测未知环境并构建地图，采用基于A*算法的全局路径规划搜索最短行走路径和基于动态窗口法的局部路径规划进行实时避障。　　利用慕尼黑工业大学(TUM)计算机视觉小组提供的标准测试RGB-D数据集和实际场景对本文的视觉RGB-D SLAM算法的各个阶段进行了测试与对比分析，还对移动机器人基于视觉RGB-D SLAM算法进行了自主探测室内实际场景的实验，对实验数据进行整理与分析。实验结果证明了本文所提出的视觉RGB-D SLAM算法能够满足实时性需求，算法精度较高。