对于室内环境三维模型构建,目前常规方法是使用三维激光扫描仪来实现,但是三维激光扫描仪不仅价格昂贵而且体积较为庞大,同时构建三维模型耗时较长。视觉同步定位与地图构建（SLAM）技术具有精度高、速度快、系统体积小的特点,本文对基于深度相机的视觉SLAM算法进行了深入研究学习,并将视觉SLAM技术结合建筑抹灰机器人应用于建筑室内环境建模,解决了建筑室内三维整体模型实时构建问题,并且对得到的三维模型进行后处理,作为建筑抹灰机器人外传感器,为其抹灰工作提供地图以及相应的数据,使建筑抹灰机器人工作效率及工作效果有较大提升。本文主要进行了以下几方面研究:1、针对现有特征点提取算法ORB提取图像特征点分布并不平均且特征点均匀化步骤耗时长的问题提出了相应改进方案。在特征匹配阶段,基于图像特征点分布范围的相近性,同时结合ORB特征点的方向性提出一种适用于ORB特征的特征匹配方法,并与词袋模型结合,限制匹配查找范围,进而提高了特征匹配准确度和匹配效率,最后引入旋转直方图进行匹配点对剔除。实验证明,本文方法在特征提取平均性以及特征匹配效率上都较传统方法有所提升。2、在相机运动估计问题中,对于运动估计易丢失等问题,本文系统融合多种运动估计模式,并利用非线性优化不断优化相机位姿,以获得更为精准的相机位姿数据,保证了即使系统在运动跟踪失败后也能利用重定位模式迅速找回原来的位置,使系统稳定运行。3、在后端优化中,提出了一种改进的关键帧提取方法并利用关键帧间的共视冗余程度来剔除冗余关键帧,以进一步降低后端优化的计算复杂度。然后利用基于视觉词袋模型的回环检测技术进行系统回环检测判断,并通过闭环连续性对回环检测结果进行校验。最后针对本文系统中四种关键帧位姿或地图点位置的图优化情况,根据各自特点分别采用不同优化方案,以减少系统优化时间,并提高了整个系统的实时性。最后使用标准数据集进行了实验,同时还在真实建筑室内环境进行了实地三维整体建模实验,由结果可以看出本文提出的一系列SLAM优化方法具有较好的实时性、鲁棒性以及较高精度。