随着移动机器人在教育娱乐、环境探测、医疗服务、国防安全等领域广泛应用,对移动机器人智能化、自主化提出新的要求。其中同步定位与地图创建技术(Simultaneous Localization and Mapping,SLAM)是移动机器人实现自主化所面临的首要挑战。SLAM包含定位与建图两个问题,现有的SLAM系统大多研究定位问题,对建图模块不是很重视,建立的稀疏特征点地图主要服务于定位问题。具体应用中,地图不仅用于辅助定位,还带有其他需求,如:机器人路径规划(导航)、避障等。因此对如何高效构建环境稠密地图有着迫切的需求。本文的研究是仅利用CPU运算,实现室内外环境的地图构建。该研究对移动机器人的应用具有重要的实用价值。具体研究内容如下:针对基于树结构的代价聚合方法仅利用颜色信息选择权值支持区域,在图像边界区域易产生误匹配的问题,提出了一种基于水平树结构的可变权重代价聚合立体匹配算法。采用水平树代价聚合得到初始视差值,将初始视差值与颜色信息重构水平树,在更新后的树结构上进行代价聚合,得到视差值。在视差后处理阶段,提出了一种改进的非局部视差后处理算法,将不满足左右一致性匹配的像素点引入匹配代价量构造中,提高了最终视差图的准确率。实验结果表明,在Middlebury数据集的31对图像上进行测试,所提算法在未进行视差后处理时非遮挡区域的平均误匹配率为6.96%,代价聚合平均耗时1.52s。在移动机器人同步定位与环境稠密地图创建系统中,现有的算法大多依赖GPU(Graphics Processing Unit)并行计算建立环境稠密地图。然而在许多实际的嵌入式系统中,可能不包含GPU或GPU用于其他用途。因此针对如何仅利用CPU恢复环境三维稠密地图的问题,提出了一种基于ORB-SLAM2的双目三维稠密建图算法。该算法主要分为4个线程:跟踪线程、局部地图线程、闭环检测线程和稠密建图线程。稠密建图线程在已知关键帧位姿的基础上,对双目图像进行立体匹配获取初始深度图,多关键帧逆深度融合优化深度图,拼接不同关键帧位姿上的深度图像,创建环境三维稠密地图。KITTI数据集实验表明,所提算法稠密建图线程平均耗时1s,能有效建立与真实场景一致的三维稠密地图。为验证本文创建的稠密地图在移动机器人自主导航与避障中的实用性,分别对立体匹配的匹配精度与地图的精度进行评价。在立体匹配误差分析实验中,针对不同的实验场景对匹配算法进行性能评估。实验结果表明,基于可变权重代价聚合算法对图像遮挡、倾斜平面区域具有较高的匹配精度。随后针对地图的稠密度、地图创建的运行速度与相机的轨迹精度三方面对地图精度进行评价。实验结果表明,本算法地图精度满足机器人导航要求。