在家庭服务机器人领域中,同时定位与地图构建（SLAM）技术是当前研究的热点与难点。SLAM技术能够使机器人在未知环境下进行自主定位与地图构建。实际中,由于动态物体、光照等因素的影响,传统的SLAM技术很难获得较好的定位精度与构图效果。本文对家庭服务机器人的SLAM系统进行研究与设计,主要研究与工作内容如下:第一、针对传统Census算法与SAD算法精度较低的缺点,提出了一种自适应Census-SAD立体匹配算法。本文先利用自适应窗口的Census算法进行粗匹配,然后将其与自适应权重的SAD算法融合来计算匹配代价,最后获取像素点的视差。相比于传统立体匹配算法,该算法的准确性与鲁棒性更好。第二、针对视觉位姿估计易受动态物体影响的问题,设计了一种基于IMU位姿估计的动态特征点检测算法。该算法基于IMU位姿估计对图像中的特征点位置进行预测,从而对图像中的动态特征点与静态特征点进行区分。该算法不受动态物体大小的影响,可以有效检测与滤除动态特征点,使得家庭场景下的视觉位姿估计更加准确。第三、针对前端位姿估计存在累计误差的情况,进行了基于视觉与IMU融合的后端优化算法设计。IMU不受环境因素的干扰,视觉可以克服IMU数据漂移的缺点,将二者融合可以更好地进行机器人的位姿优化。本文根据图优化理论,采用阻尼牛顿法来减小视觉误差与IMU误差,从而实现对机器人位姿与路标点位置的优化,最终获得更高的定位精度。第四、完成了SLAM系统的地图构建模块。本文先实现了稀疏特征点地图的保存与加载;然后建立了稠密点云地图,并通过K最邻近法进行滤波来减少离散点;最后根据稠密点云地图建立了八叉树地图。第五、完成了系统设计与测试。根据总体方案完成了系统的搭建,并且基于公开数据集以及模拟家庭场景对本文算法的有效性进行验证。