同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)一直是机器人自主导航和定位的关键技术。近几年视觉传感器以其独特的优势使视觉SLAM成为当下的研究热点。相比于单目和RGB-D相机,双目相机的使用场景不受限制,而且能够计算像素点的深度值,使构建的地图具有尺度信息,因此双目视觉SLAM系统在SLAM领域关注度比较高。在视觉SLAM系统中,基于直接法的SLAM技术在近几年有了很大的突破,而且相比于特征点法,直接法不用进行特征点匹配,节省了时间,还可以构建半稠密地图。为此,本文主要研究基于直接法的双目视觉SLAM方法,旨在建立一个实时定位与构图的SLAM系统。本文的主要研究工作如下:(1)研究了基于直接法的视觉SLAM系统的前端。首先研究了光度校准的方法,在后端优化引入了仿射亮度传递函数来模拟光度校准过程。其次研究了基于直接法的跟踪方法,鉴于传统方法提取的像素点过于集中,鲁棒性不强,本文将特征点法中的金字塔区域分割法应用在直接法的像素点提取过程中。应用关键帧机制减小系统的计算量;将恒速运动模型与参考关键帧模型结合,为后续优化提供初始值。最后分析了移动视角的立体视觉深度估计方法和双目深度估计方法的优缺点,然后将两者结合进行深度估计,既有尺度信息,又可以在大场景中进行深度计算。(2)研究了SLAM系统的后端优化。首先研究了基于关键帧的非线性优化方法,构建了基于直接法的光度误差模型,采用滑动窗口优化的方法估计位姿和地图点的坐标值。其次研究了基于词袋模型的闭环检测方法,为了将其融合到直接法的系统中,本文增加了Shi-Tomasi角点检测过程。最后研究了全局优化模型,进行全局位姿优化。(3)搭建了SLAM系统,先通过数据集仿真实验对本文的金字塔区域分割法、深度估计方法、融合的闭环检测的有效性以及系统整体的性能进行了验证,之后在真实场景中对本文搭建的系统进行了测试,证明了本文实现的系统可以实时定位与构建半稠密地图。