伴随着智能电网技术和移动机器人同步定位与地图构建(SLAM)技术在世界范围内的发展,智能变电站巡检机器人已成为各国迫切需要研究和开发的热点。而目前普遍采用的磁轨和RFID进行自主定位导航技术,存在环境修改大、抗干扰能力弱、定位精度低、机器人灵活性差等缺点,不能帮助机器人很好的完成日常巡检任务。而基于单一传感器的SLAM技术也不能很好的适应变电站较为复杂的环境。本文基于传统的RBPF-SLAM思想提出了一种融合视觉闭环检测系统的融合算法,并利用图优化理论在后端约束优化机器人位姿。消除传统激光SLAM的累积误差。主要研究工作包括以下内容:本文首先研究分析了传统RBPF-SLAM的算法思想,对该算法主要运用到的里程计与激光雷达进行了建模。并研究了该两种传感器的信息提取与处理方法。结合算法思想提出了重要性密度函数与似然函数的构建方法,分析了栅格地图的构建模式。并运用图优化理论改进了RBPF-SLAM算法,且进行了仿真验证其先进性。其次基于传统RBPF-SLAM存在累计误差的情况,提出了融合视觉闭环检测系统消除累计误差。本文利用ORB特征构建词袋,提取关键帧判断闭环。同时加入了全局重定位机制,应对由于机器人运动速度过快等原因引起的地图断裂问题。基于RBPF-SLAM得到机器人位姿与视觉闭环信号,构建了后端优化系统。约束优化机器人位姿,完成最终全局地图构建更新。最后针对传统算法与融合算法,分别在实验室(9.6 m×15.6 m)以及室外环境(40m×80 m)内模拟变电站环境进行了一系列实验。实验证明,本文融合算法能够较好的改善在大型环境下传统RBPF-SLAM算法累计误差过大引起的地图闭环不准确问题。同时也能避免由于机器人运动速度过快等原因引起的地图断裂问题。验证了该融合算法在变电站环境下的适用性。