随着机器人在特殊环境中的应用越来越广泛,机器人在未知环境中的自主导航(即时定位与地图创建,SLAM)问题尤为重要,对其定位的精度要求也越来越高。双目视觉传感器可以敏锐地获取外部信息,基于双目视觉信息完成的自主导航定位已经发展为移动机器人领域的炙手可热的话题。本论文围绕移动机器人的双目视觉自主导航中的关键问题开展了研究,主要内容如下。(1)详细介绍了移动机器人自主导航问题,也就是即时定位与地图创建问题的研究背景以及意义,在此基础上提出了本论文的主要内容以及结构。(2)详细阐述了基于双目视觉的SLAM系统以及室内的环境下的双轮机器人的平台系统。介绍了移动机器人的双目视觉SLAM系统常用算法以及面临的技术难点。研究了基于双目视觉导航的双轮式移动机器人必需的三种平台系统,提出了各个系统的建模方式。最后采用工业标定的方法对本论文中的立体视觉系统进行了标定。(3)对基于双目视觉的特征提取与匹配算法进行了研究,提出了基于非线性扩散滤波的双目视觉特征提取与匹配算法KAZE应用于SLAM场景中。通过非线性多尺度空间的特征提取,可以获得更精确的测量信息。同时通过MFC平台仿真实验对该算法以及SIFT、SURF、ORB等经典算法进行对比,验证了KAZE的精确度以及稳定性。(4)对于结合模糊神经网络的EKF双目视觉SLAM实现进行了研究,为了提高EKF-SLAM算法的精确度,应用了一种融合模糊神经网络的基于拓展卡尔曼滤波的即时定位与地图创建方法。在机器人软件仿真平台中,对不同误差场景下的FFN-EKF-SLAM和EKF-SLAM算法进仿真实验,验证了本文提出的算法在不同场景下精确性以及鲁棒性均优于传统的EKF-SLAM算法。