随着计算机技术、电子信息技术、机器视觉技术的发展,移动机器人已经在仓储物流、餐厅及个人家庭等领域有了广泛的应用。自主导航实现是移动机器人的必备能力,是执行其它各种任务的基础。同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)和路径规划作为自主导航系统的两大关键技术,一直是移动机器人领域研究的重点方向。融合视觉的SLAM技术因含有大量的图像信息,能够准确感知周围环境且成本低廉而被广泛研究。本文建立了移动机器人自主导航系统的总体框架,将自主导航系统分为顶层人机交互模块、中层导航算法实现模块和底层运动控制模块;搭建了移动机器人自主导航实验平台,分析了硬件各组成部分的工作原理,基于ROS建立了自主导航系统的软件框架;借助MATLAB相机标定工具箱对Kinect1相机进行了标定,为后期的研究奠定了基础。分析了基于特征点提取方式中的SURF算法和ORB算法,根据实验结果选择ORB算法作为特征提取算法;选择特征匹配方法中的FLANN(快速近似最近邻)算法进行图像的特征匹配,提出RANSAC算法对错误匹配点进行剔除,提高了特征匹配的精度。使用EPnP算法对相邻两帧间的运动进行估计,提高了相机位姿估计的准确性。分析了基于词袋模型的回环检测算法,通过建立一种约束,修正了前端视觉里程计的累计误差;使用了基于图优化的后端位姿优化方法将机器人位姿生成全局位姿图,借助通用图优化库g2o进行求解,得到了机器人的最终优化位姿;总结了本文提出的视觉SLAM的整体实现流程,使用TUM提供的数据集生成三维点云地图和八叉树地图,验证了视觉SLAM系统的可行性。针对传统A*算法转折次数过多、搜索方向过少等缺陷,提出了使用16邻域搜索的A*全局路径规划方法;针对传统人工势场算法的局部极小值和目标不可达等缺陷,提出了改进人工势场局部路径规划算法,并在MATLAB中进行了相关算法的验证。通过搭建的实验平台在楼道环境进行视觉SLAM实验,验证了本文视觉SLAM系统的效果;使用构建的环境地图,结合提出的路径规划算法,进行了自主导航实验,整体验证了自主导航系统的效果。