随着科学技术的进步,移动机器人在生产和生活相关的各个领域的普及度越来越高。同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)作为在没有环境先验信息的情况下保障移动机器人路径规划和运动控制的精准度与鲁棒性的关键技术,已经成为了国内外机器人领域的研究热点之一。视觉SLAM技术是在传统SLAM研究与计算机视觉领域中的视觉里程计和三维重建技术结合后诞生的,具有结构简单、造价低廉以及能够表达丰富场景信息等优势。本文使用深度相机作为感知外界环境的视觉传感器,深度相机以主动测量的方式获取场景中的深度信息,能够同时采集彩色图像和深度图像。在深入理解了当前视觉SLAM系统视觉里程计研究的两种主流跟踪方法——特征点法与直接法的基本原理后,提出了一种将稀疏直接法与特征点法相结合的混合跟踪方法,设计了一种与之配套关键帧选取策略,搭建了一套结构完整的,能够稳定运行且精确度有保障的视觉SLAM系统。主要工作内容如下:首先,设计了基于混合跟踪方法的视觉SLAM系统框架,将系统分为视觉里程计跟踪、优化与建图以及回环三个模块。并利用张正友标定法对本文使用的深度相机进行标定。然后,开展了对相邻图像之间位姿跟踪方法的研究。剖析了ORB特征方法的基本工作原理,介绍了相机位姿变换的表示方法,进而分析了两种基于特征点法的位姿跟踪方法,包括最小化重投影误差方法以及EPn P方法。提出了一种将稀疏直接法与特征点法相结合的混合跟踪方法,该方法提取关键点及其周围像素块,但不计算描述子,利用直接法来估计相邻图像之间的位姿,并通过比较像素块的相似程度来确定特征匹配对。其次,进行了后端地图构建以及图优化的研究。提出了以位姿变换为依据,并通过特征匹配对数量变化做验证的关键帧选取策略。将从关键帧中提取的能够稳定存在的特征点选定为地图点,并以此构建地图。以图优化模型为框架,利用地图点与关键帧之间的约束关系对相机位姿及地图点坐标进行精确估计。使用基于词袋模型的方法检测回环,并利用位姿图来矫正回环,得到全局一致的地图以及相机运动轨迹。最后,利用深度相机搭建基于混合跟踪方法的视觉SLAM系统,在TUM数据集下进行多组对比实验。分别从跟踪精确性、跟踪速度、在结构和纹理不同的场景中的表现等方面来分析本文的视觉SLAM系统的性能,进而验证方法的正确性。