近年来,同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术是机器人领域的一个热门研究方向,其被认为是解决移动机器人在未知的环境中实现自主导航问题的关键性技术。SLAM技术是指搭载特定传感器的主体,在未知的环境下,于运动过程中估计自身的运动,同时建立环境的模型。因此通过SLAM技术移动机器人不仅能实时获取自身在未知环境中所处的位置信息而且还能构建环境的模型,为实现自主导航奠定了基础。相比较于其他类型的传感器,视觉传感器具有获取信息量大、适用范围广、性价比高等的优势,所以现在基于视觉的SLAM技术非常受国内外研究者的青睐。本文选择微软公司的Kinect 2.0相机作为视觉传感器,针对室内环境下的同时定位与建图的问题展开研究。本文的主要研究内容如下:(1)对Kinect 2.0相机的结构与功能、深度测量原理、图像获取方法、相机的模型展开了研究。用张正友标定法对Kinect 2.0相机进行标定,获取了相机的内、外参数为后续的研究工作奠定了基础。(2)对Kinect 2.0相机获取的深度图像存在信息丢失的问题进行了深入研究。基于深度图像自身数据的特性,提出使用导向滤波的方法对深度图像进行修复。实验证明该方法有效地解决了深度图像信息丢失的问题,减小了系统的位姿估计误差。(3)对视觉里程计环节中的特征点提取、特征点匹配、运动估计和关键帧选取等技术进行了研究。针对特征点匹配结果中存在大量的误匹配的情况,本文在对最小阈值法和随机抽样一致性算法进行研究的基础上改进了特征点误匹配剔除方法,该方法有效地缩短了特征点匹配所需要的时间,提高了算法的效率。(4)对视觉SLAM问题进行了数学建模,将SLAM问题转化为一个非线性最小二乘问题。阐述了视觉SLAM问题的图优化模型,并对常用的图优化求解工具g2o进行了介绍,为后端的位姿优化提供了理论支撑。(5)本文采用公开的数据集对特征点提取和特征点匹配算法的性能进行了比较,同时对导向滤波算法的效果进行了验证,实验结果表明,滤波后由视觉SLAM系统所计算出的位姿的均方根误差相比滤波前下降了4.8%。最后,通过手持Kinect 2.0相机的方式,实现了室内环境下的视觉SLAM。