随着无人控制技术的发展和现实应用场景需要,机器人技术逐渐向自主化、智能化方向发展,机器人不仅需要具有稳定的运动能力,还需要感知、识别周边环境,实现准确定位以及自主规划。在室内环境中,GPS信号容易受到干扰和屏蔽,无法为机器人提供可靠准确的位置信息,而室内光学动作捕捉系统布置繁琐、设备成本高。基于视觉的同步定位与建图技术通过少量传感器即可实现自主环境感知,能够建立可供定位和导航规划的环境地图,是解决室内环境中机器人定位与轨迹规划问题的有效方案。然而,现有基于特征点法的视觉定位系统往往只能建立用于定位的稀疏地图,无法为轨迹规划提供丰富的环境信息,而基于直接法的系统虽然可以构建稠密地图进行轨迹规划,但其计算量较大,无法应用于机载计算资源受限的机器人中。且现有轨迹规划算法的搜索效率容易受障碍物影响,缺少有效的应对策略。因此,本文基于以深度相机为感知设备的视觉定位系统,展开室内环境中机器人的定位与轨迹规划研究,主要研究内容包括:（1）结合实验对比分析现有特征点提取方法的优缺点,针对传统ORB算法提取分布不均的问题,采用基于ORB特征的均匀化提取策略,通过将图像网格化并采用降阈值方式提取每个网格中的特征点,并对网格内特征点进行四叉树分割,使提取到的特征点较为均匀分布于图像中。针对相邻帧间的特征匹配问题,利用近似位姿辅助特征匹配,结合最小距离剔除策略和最近邻匹配策略滤除误匹配。（2）研究视觉定位系统中的位姿求解与地图构建问题。分析相机运动位姿构成原理,根据可获得的3D-3D数据信息构建最小二乘问题求解运动位姿,为定位系统引入回环检测与优化机制以消除相机运动过程中的累积误差。结合RGB-D相机获得的彩色图像以及深度图像,基于图像拼接原理构建机器人定位与轨迹规划所需的环境地图。（3）设计基于栅格地图的混合轨迹规划算法。分析归纳室内环境中主要的障碍物类型,讨论不同类型障碍物对轨迹规划效率的影响,针对A*算法容易陷入U形障碍而产生大量无用搜索的问题,提出具有混合规划策略的双启发函数快速规划算法。针对室内环境发生变化的情况,设计局部动态规划策略实现动静态混合轨迹规划。