近年来,移动机器人被广泛应用于航天、军事、救援以及家政服务等领域,是机器人领域中研究的热点。但目前移动机器人技术还不够成熟,多项关键技术还有待突破。尤其是想要提高移动机器人的智能程度,自主定位和自主构建环境地图这两个最基本的问题还需要进一步研究。因此,可同时解决这两个基本问题的同步定位与建图(simultaneous localization and mapping,SLAM)被认为是真正实现移动机器人自主运行的关键。本文深入研究了基于二进制特征的单目视觉SLAM以及多机器人协同SLAM的相关技术。论文主要内容包括以下三点:首先,本文总结对比了目前应用于移动机器人的各类SLAM方法,并对其所使用的各类传感器的特点进行了分析,最终选择了基于单目视觉的感知方式作为本文的研究基础。同时,本文针对移动机器人室外大范围应用环境的特点,对各类环境描述方式进行了分析,选择了识别性能好、计算速度快且存储量小的局部二进制视觉特征用于实现机器人SLAM以及目标识别。其次,针对目前单目视觉SLAM在大范围环境中长时间运行时仍存在的诸多问题,本文提出了相应的解决方案。例如,针对单目视觉SLAM鲁棒性差,容易出现定位失败的问题,本文提出了基于主动闭环的重定位算法,提高了机器人对未知环境探索时SLAM的鲁棒性;针对移动机器人计算能力有限,SLAM效率低的问题,本文将单机器人SLAM扩展为多机器人SLAM,提出了一种基于单目视觉的分布式多机器人协同SLAM系统,解决了移动机器人计算存储能力有限的问题,提高了整体SLAM的效率;针对单目视觉SLAM缺少尺度信息,地图表现力较差的问题,本文将单目视觉SLAM扩展为单目视觉与激光雷达相结合的SLAM,并加入了目标识别模块,使得整体系统在获得真实环境尺度的同时,创建出可读性更强的环境地图。该系统最终被成功地应用在了以城市搜索与救援任务为背景的RoboCup机器人救援比赛中。最后,本文基于课题组自主设计研发的NuBot移动机器人平台和著名的KITTI图像数据库,对所提出的算法进行了一系列室内外实验,并对实验结果进行了定性和定量的分析。实验结果表明,本文设计的基于二进制局部视觉特征的单目视觉SLAM系统有效地提升了机器人定位与建图的精度和鲁棒性,初步实现了多机器人协同SLAM,为下一步实现移动机器人更高层次的自主奠定了良好的基础。