近年来,以惯性导航、GPS、激光SLAM等为代表的机器人定位与导航技术得到了广泛应用,但惯性导航定位精度低、GPS无法用于室内环境、激光SLAM对安装结构要求较高且激光传感器体积大等因素,使该技术应用受到限制。计算机视觉技术飞速发展的同时,使得视觉SLAM技术成为争相研究的热点。本文主要针对室内移动机器人的视觉定位与导航技术进行研究,主要工作及成果如下:（1）针对现有ORB-SLAM2系统在复杂动态场景下的相机位姿估计误差较大的问题,本文提出了一种基于改进混合高斯背景建模的视觉里程计算法。使用单应矩阵计算运动补偿帧,减小相机运动的影响,用运动补偿帧进行混合高斯背景建模,提取出图像中运动物体,进而剔除动态特征点。经TUM公开数据集测试,较ORB-SLAM2系统,本文的算法能有效检测运动物体并剔除动态特征点,相机相对位姿误差平均降低了43.38%,绝对轨迹误差平均降低了45%,同时算法能够达到8.9帧/秒的处理速度。（2）为解决两帧之间因视角差异较大导致回环检测失败的问题,本文提出了一种基于虚拟关键帧和虚拟描述子的回环检测方法,定义了虚拟视角对应的变换矩阵,对每个关键帧进行变换形成虚拟关键帧,扩充关键帧数据库。若当前关键帧f2与上次在该位置捕捉到的关键帧1f视角差异较大,而与1f的虚拟关键帧1f’的视角差异不大时,可与1f’形成回环。经实验验证,相比于ORB-SLAM2原系统,回环召回率提高了31.231%。（3）研究了基于图优化的后端优化方法,对图优化原理和基于流行的图优化方法进行了分析,并借助通用图优化工具g2o实现视觉SLAM的后端优化算法。（4）针对ORB-SLAM2构建的地图无法直接用于导航的问题,本文提出了一种基于关键帧的稠密点云地图构建与栅格化算法。计算关键帧中所有像素点的点云数据,并用关键帧位姿将所有点云变换至世界坐标系下,形成全局稠密点云地图,弥补了ORB-SLAM2基于稀疏特征点建图的不足;同时,为提高全局点云位置更新效率,引入关键帧识别码机制,将关键帧ID作为识别码添加到每个点云;最后将稠密点云栅格化,根据每个栅格的点云数量判断栅格状态,形成栅格地图。