随着“工业4.0”、“中国制造2025”等重大计划的提出,围绕智能制造相关技术和应用的研究开始受到越来越多的关注,其中,移动机器人自动化、自主化、智能化成为研究与发展的热点之一。移动机器人在实际应用过程中,定位、建图、导航是非常关键的3个前提,而SLAM(Simultaneous Localization and Mapping)和路径规划技术是实现这3个前提的一种非常前沿的方法。RGB-D相机的出现,因其成本低廉、能直接探测深度信息的特点,给SLAM带来了许多便利。路径规划是机器人导航系统的核心所在,主要包括全局路径规划和局部路径规划。本文在此背景下,结合工业企业的车间物流机器人,研究室内未知环境下基于RGB-D相机的移动机器人SLAM及其路径规划算法,针对目前视觉SLAM存在的精度低、实用性低的问题,提出一种基于改进词袋模型的RGB-D SLAM算法,并通过分析对比选择出的路径规划算法在本文SLAM所建的地图上规划路径。本文的主要研究工作和取得的成果如下:首先,对RGB-D相机Kinect V1的结构、成像原理、深度探测原理、产生畸变的原因进行分析,并使用张正友标定法进行了标定实验,得到相机内参。其次,提出了一个基于改进词袋模型的RGB-D SLAM算法。传统的词袋模型只强调有无某些特征,会导致都有某些特征的两帧不同的图像计算所得相似度较高,不利于回环检测的问题。故对传统词袋模型进行改进,提高其相似度计算能力。本文RGB-D SLAM算法使用ORB特征提取算法进行特征的提取,使用FLANN与RANSAC算法组合进行特征匹配,通过ICP算法进行相机的位姿估计。将改进的词袋模型应用于回环检测中,并采用g2o框架进行后端优化处理,最后输出的地图为八叉树图和二维栅格地图。接着,对全局路径规划算法A*算法和Dijkstra算法进行分析,并在matlab上进行对比仿真实验,根据实验结果可知,A*算法要优于Dijkstra算法。对局部路径规划算法DWA进行分析,并在matlab上进行仿真实验,验证了该算法具有良好的避障功能。最后,运用4个公开的TUM数据集对本文的RGB-D SLAM进行仿真实验,根据实验结果,可知本文算法在周围环境存在回环且运动较慢的情况下,定位精度较高。在数控车床实验室进行SLAM的实地实验,并在所建的地图上进行路径规划实验,验证了本文SLAM算法与路径规划算法具有一定的实用性。