随着智能移动机器人在人们生活中的广泛应用,机器人的自主导航能力不断提高。而实现机器人自主导航的关键技术就是同时定位与地图创建,即SLAM技术。以微软研发的Kinect为代表的深度相机,不仅能够获取所处环境的彩色图像,同时还能获取彩色图对应的深度信息,加快了数据处理过程。基于深度相机的SLAM研究是机器人自主导航领域的一个重点研究方向。本文针对传统RGB-D SLAM方法存在的相邻图像帧之间,特征点匹配错误率高、效率低、误匹配去除效果不好、相机估计轨迹与真实轨迹之间误差大等问题,在原RGB-D SLAM基础上进行改进,提出一种准确性、实时性和鲁棒性较好的RGB-D SLAM方法。本文具体的研究内容如下:首先,对ORB特征提取算法进行研究,针对ORB算法特征点特征匹配精度不高、还需计算描述子方向等问题,提出一种改进的ORB算法,并采用光照不同、旋转角度不同、尺度不同和光照、尺度、旋转均不同的四组图像,对改进的ORB算法进行仿真实验,实验证明改进的ORB算法相比于原算法正确匹配率提高了5%到15%,耗时降低了50%,提升了图像帧间匹配的速度,满足实时性和准确性的要求。其次,针对RANSAC算法对无模型的数据估计问题无法很好的处理,并且在数据外点比例很高的情况下,难以得到正确的结果;以及GTM算法当错误的匹配特征点对之间存在相同的临近点时,该算法无法去除错误的匹配点对的问题,本文利用正确的匹配点深度像相同、局部特征点对应之间的空间一致性关系,提出了一种基于区域临近点一致性的特征匹配,RD-Polar(Region depth polar constraint)算法。最后对RANSAC算法、GTM算法和RD-Polar算法在室内环境下进行仿真实验,通过对不同比例的错误匹配点的测试数据集进行处理,证明了本文提出的RD-Polar算法相较于RANSAC算法和GTM算法具有更好的准确性和鲁棒性。最后,将改进前后的RGB-D SLAM算法在TUM标准数据集上进行仿真实验,并对估计的轨迹进行评价分析,验证了改进算法相比于原算法,实时性和准确性都有所提高;同时应用Kinect相机对实验室环境进行建图实验,对结果进行评估,验证了改进方法的有效性和可行性。