移动机器人在未知的环境下完成自主导航,首先需要确定自身位置,即实现定位功能。常用的室内定位导航技术有激光、惯性导航系统、红外和WLAN等。但是由于定位精度和成本等问题,这些室内导航技术并不能被广泛应用。视觉里程计是基于相机的光学定位技术,通过图像特征信息来推算出机器人的位姿;它价格低廉、信息量丰富。其中,基于RGB-D相机的视觉里程计,由于相机采集速度快,测量精度高,且同时可以获得彩色信息和深度信息等优点,己逐渐成为国内外学者研究的热点。但是,目前基于RGB-D相机的视觉里程计仍然存在如下问题:如通过相机获取的深度数据存在噪声和离群点;场景分布较为集中的情况下,特征提取与匹配的精度不高,相机的位姿变换矩阵精度估计不足;系统计算量大,运行速度慢,易造成跟踪丢失等。针对以上问题,本文做出了如下相关研究。首先,对RGB-D相机的成像模型进行研究,完成彩色摄像头和深度摄像头的内外参数标定,生成三维点云;同时针对RGB-D相机在获取场景信息中的深度数据存在的噪声和离群点问题,选用高斯滤波、中值滤波、双边滤波进行实验对比,以均方误差、峰值性噪比以及滤波时间作为评价性能指标,选取综合性能较好的双边滤波用于视觉里程计。其次,针对某些特征分布集中场景,使用ORB特征提取时,由于提取的特征点不均匀,造成匹配误差较大的问题,本文采用一种利用四叉树的形式将特征进行划分,通过粗筛选和RANSAC相结合的算法,完成特征点的提取与匹配。实现特征点在图像中均匀覆盖,使图像信息被充分利用,减少了误匹配,提高位姿估计精度。最后,针对传统关键帧选取算法单一、易出现关键帧激增,使系统计算量大,运行速度慢等问题,采用一种改进的关键帧选取与剔除算法。通过帧间运动距离结合局部地图完成关键帧的选取,并采用相邻关键帧内的特征相似度进行二次判断,删除冗余的关键帧。改进后的关键帧选择算法能更准确及时的判别关键帧,减少关键帧的冗余,提高系统运行速度。本文通过RGB-D视觉系统与移动机器人搭建硬件实验平台。移动机器人在运动过程中,通过RGB-D相机获取场景信息,并将信息传入上位机进行处理。实验结果表明,采用的双边滤波算法可以有效的去除深度图像中的噪声和离群点;ORB特征提取与匹配算法,可以实现特征点均匀化提取与精匹配;此外,改进的关键帧选取与剔除算法,减少特征信息丢失,提高机器人在定位过程中的精度和鲁棒性。