移动机器人要具备完全的自主性就必须具有探索未知区域,创建可靠的环境地图,同时利用地图来进行自主定位的能力。同步定位与地图创建(SLAM)就是实现这一能力的关键技术,是机器人定位领域的热门研究课题之一。尽管目前利用激光,声纳等传感器实现SLAM问题的技术已经比较成熟,但是由于视觉传感器具有价格低,信息量丰富等优点,并且能充分利用先进的计算机视觉和图像处理技术,从而使得基于视觉的SLAM(vSLAM)被认为具有更广泛的应用领域和研究价值。目前对vSLAM的研究工作主要采用基于普通视觉传感器的立体视觉和单目视觉。然而,普通视觉传感器由于视域上存在局限,因此在特征跟踪和定位的连续性上存在不足之处。全景视觉(Omni-vision)具有360度全方位视角,在机器人导航,视频监控,多媒体会议等领域都有着广泛的应用。它不仅具有普通视觉传感器的优点,而且通过发挥其观察视野广这一特殊优势,可以获得既丰富又较完整的环境信息,加强了跟踪和定位目标的能力,很好地弥补了目前vSLAM研究中的不足。本文从研究角度出发,对全景视觉与vSLAM之间的结合进行了探索,提出了一种采用全景视觉实现vSLAM的系统方案,简称为“全景vSLAM”。全景vSLAM研究的难点在于如何从畸变较大的全景图像中提取鲁棒的视觉路标、以及建立有效的观测模型和正确分析系统的不确定性。本文的方案通过提取全景图像中的颜色区域作为视觉路标建立地图,在对全景视觉成像原理和定位不确定性分析的基础上建立起系统的观测模型,定位路标位置,进而利用扩展卡尔曼滤波算法(EKF)同步更新机器人和地图位置,修正由里程计带来累积定位误差。并且该方案还针对全景图像非线性变化强,成像模型复杂的缺点,分别采用特征筛选和观测量等效变换等手段,提高了定位的精度,增强了算法的效率。最后,本文利用实验室自主开发的Frontier-II移动机器人进行了该全景vSLAM实验,通过识别带有显著颜色特征的人工路标建立地图。实验结果表明了本文提出的全景vSLAM方案是可行有效的,并且具有较好的定位精度及鲁棒性;同时该结果进一步显示了全景视觉能够增强vSLAM中机器人跟踪目标的连续性和建立地图的效率,从而提高定位能力。