玉兔号月球车成功登月并开展月球表面的巡游探测工作,被认为是我国第一次在月球留下足迹,标志着我国星球探测进入了星球表面未知环境自主探测领域。同时定位与构图思想(SLAM)被学术界认为是移动机器人实现真正自主化的关键,它将移动机器人的定位与地图构建融为一体,机器人在运动过程中根据自身位姿估计和环境感知构建增量式环境地图的同时实现自身定位,可以较好地解决未知环境下机器人的定位与构图。视觉传感器可以获取比较直观和丰富的环境信息,且具有成本低、技术成熟、环境适应性强等优点,已经广泛应用于移动机器人领域。因此研究视觉机器人同时定位与构图方法具有重要的理论意义和应用价值。针对未知环境下移动机器人的定位与构图问题,本论文建立了基于单目视觉移动机器人的SLAM系统模型以及EKF-v SLAM算法框架,并研制了单目视觉移动机器人用于后续SLAM系统测试,最后通过仿真以及实验对相关理论以及算法进行了验证。首先,在总结同时定位与构图技术和视觉移动机器人发展历史和研究现状的基础上对同时定位与构图方法的基本理论、技术难点、EKF实现算法以及常见地图构建方法进行了介绍;接着对移动机器人EKF-v SLAM系统进行了建模,重点对单目视觉移动机器人的运动模型、视觉观测模型以及EKF-v SLAM算法流程进行了研究;然后搭建了v SLAM系统的测试平台,重点对单目视觉移动机器人的运动机构、运动系统、控制系统、摄像系统等部分进行了设计,并通过实际实验对里程计和路标观测误差进行了测试分析;为了验证课题提出的模型和算法的有效性,基于课题安排进行了实验设计与仿真分析,主要包括KF及EKF滤波仿真实验、摄像机参数标定实验、二维以及三维EKF-v SLAM算法仿真实验、路标数量与系统性能关系以及运动路径与误差消除关系探究实验。通过实验和仿真分析,验证了卡尔曼滤波和扩展卡尔曼滤波分别在线性信号滤波和非线性信号滤波方面具有较好的效果,本文所提出的EKF-v SLAM算法能够对里程计模型和视觉观测带来的误差累计进行约束,降低移动机器人在未知环境中定位与构图的不确定性,一定程度上提高移动机器人的自主性。