即时地图定位与重建(SLAM)技术是机器人导航和增强现实领域的一个重要研究领域。近年来,随着使用深度摄像机的RGB-D SLAM技术的发展,摄像机的位姿估计和场景的三维重建都可以获得非常高的精度。但是传统的RGB-D SLAM系统缺乏对场景的高层次语义理解和分析,场景中的重要几何结构信息也没有得以充分利用。针对此问题,本文在归纳和总结现有RGB-D SLAM算法的基础上,提出了基于平面几何信息约束的RGB-D SLAM优化算法。算法使用目前先进的RGB-D SLAM框架作为算法前端的同时,在算法后端分割出场景中的平面信息,并利用平面信息构建场景的平面模型和优化系统全局的状态估计。本文的主要研究工作包括:(1)针对场景中结构信息没有被充分利用的问题,本文提出了一个实时的RGB-D SLAM算法,可以同时构建场景的稠密地图和平面模型。系统在前端联合光度误差和几何误差对摄像机位姿进行估计,同时建立可移动的体空间TSDF模型来构建场景的地图。系统在后端对关键帧进行平面分割,增量式地构建全局的平面地图,并使用平面信息对系统的状态估计进行优化。(2)针对RGB-D SLAM难以进行全局优化的问题,本文使用平面观测约束和平面间的几何先验约束来构建全局位姿图进行优化。在优化中采用了平面状态的最小表示,同时利用非线性优化中雅可比矩阵的稀疏性,采用边缘化的操作减小了优化的时间消耗。在设计系统时考虑到了平面优化的最小完全约束条件,提出了自适应的阈值选取标准,提升了有效的平面观测数量。(3)本文在TUM RGB-D SLAM和ICL-NUIM公开数据库上对提出的算法进行了性能测试。实验表明,本文提出的算法与其他著名的RGB-D SLAM系统相比具有很高的跟踪精度,基于平面观测和平面先验约束的全局位姿图优化可以进一步提升关键帧的位姿估计精度,此外系统还可以实时精确的重建场景的稠密地图和平面模型。