移动机器人完成对未知环境的感知是迈向智能化的关键一步,也是机器人领域的研究热点和难点。同步定位与地图构建(Simultaneously Localization and Mapping)这一技术能够有效解决移动机器人实现环境感知这一关键问题。随着计算机视觉和传感器技术的发展,视觉SLAM得到了人们的广泛关注。目前的视觉SLAM方案仍存在精确度差,易受动态物体干扰的问题,从而影响系统的运行效果。因此,本文基于视觉的室内移动机器人定位与建图研究具有重要的理论意义和实际应用价值。本文主要研究内容如下:(1)针对深度相机由于随机噪声和距离限制所产生的深度图像部分缺失的问题,提出了基于高斯滤波和多帧几何信息方法的深度图修复策略。该策略通过高斯滤波对原始深度图像预处理,并结合相邻几帧间同一特征点的深度信息,从而达到修复深度图像中的图像缺失部分的目的。(2)针对以室内移动行人为主的动态干扰源,本文基于特征点法和YOLO目标检测算法提出了一种面向动态环境下的视觉SLAM系统。通过训练深度卷积网络模型实现单幅RGB图像的室内行人目标检测,并剔除检测框范围内的特征点,保证了位姿估计的准确性,排除了室内移动行人对相机定位的干扰。公开数据集下的实验结果表明本文提出的SLAM系统在室内移动行人干扰的情况下,定位精度可达厘米级,显著优于标准ORB-SLAM2系统,具有更为准确的定位精度。(3)基于ROS系统和Turtlebot移动机器人搭建平台,在真实室内场景下进行实验,完成定位与建图任务,实验结果表明本文提出的基于视觉的SLAM系统具有较好的动态环境适应性,能够满足实时性要求。