视觉同步定位与地图构建(Simultaneous Localization And Mapping,SLAM)具有精度高、鲁棒强及一致性好的优点,RGBD相机广泛应用更是使得RGBDSLAM成为了移动机器人智能化领域的研究热点之一。传统的RGB-DSLAM算法分为前端和后端,前端从RGBD相机获取的图像信息与深度信息,根据传感器采集到的连续图像,提取特征点并进行匹配,跟踪并估计相机的运动轨迹,后端则是优化位姿信息。基于以上背景,本文针对现有算法存在的问题提出了以下方法,主要研究内容分为三个部分:(1)提出了基于暴力匹配算法(Brute Force,BF)与渐进采样一致性算法(Progressive Sample Consensus,PROSAC)的从粗到精的特征匹配方法,以减少因受到干扰而出现的误匹配现象。并建立了混合迭代最近点法(Iterative Closest Point,ICP)与广义ICP(Generalized-ICP,GICP)策略的运动估计算法估算出机器人的运动轨迹,由此构建出初始位姿图。(2)提出了改进的关键帧选取策略、基于关键帧的回环检测的策略以及地图构建。利用关键帧阈值和DBoW3词袋模型完成基于关键帧的回环检测。对位姿变换矩阵使用L-M方法。构建能够应用于移动机器人导航的八叉树地图。(3)在移动机器人环境下,使用TUM标准测试数据集对改进前与改进后的算法进行了测试与评估,并采用绝对位姿误差(Absolute Pose Error,APE)指标对实验结果与真实相机位姿数据进行分析对比,实验结果表明本文算法优化了RGBD-SLAM的框架,提高了SLAM的运行效率和鲁棒性。