自主导航是移动机器人的核心技术,主要包括移动机器人视觉同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)和路径规划,这是当前移动机器人研究领域的重点研究方向,因此针对室内环境下移动机器人视觉SLAM导航系统的研究具有重要的理论意义和实际应用价值。首先,针对移动机器人导航、视觉SLAM和路径规划相关技术的研究现状进行分析,对视觉SLAM的系统框架进行了设计和视觉传感器的选取,结合对路径规划技术的研究,完成了室内环境下的移动机器人视觉SLAM导航系统方案的总体设计。在视觉SLAM研究中,针对其前端存在点云配准误差大、效率低的问题,提出一种改进点云配准策略的配准算法。算法通过随机采样一致性(Random Sample Consensus,RANSAC)采样策略对RGB图进行点对的筛选获得内点,完成预处理;采用基于刚体变换一致性的对应点间的距离阈值完成点云初配准;在保证具有良好初始位姿的情况下,引入一种动态迭代角度因子的迭代最近点(Iterative Closest Point,ICP)算法实现了点云精配准。随后,针对视觉SLAM系统中存在累积误差导致地图构建不一致的问题,提出了一种改进的回环检测策略。该策略通过改进词袋模型(Bag of Words,BoW)的相似性得分函数,减小回环感知歧义,从而提高了回环检测的准确率。为减少关键帧的比较次数,在关键帧选取中引入了基于旋转度和平移度的双重权重策略,结合图优化(General Graph Optimization,G2O)算法优化机器人位姿轨迹,实现全局一致的视觉SLAM系统。在路径规划中,针对室内环境下最优路径的选取问题,提出一种改进自适应策略的人工鱼群算法(Improved Adaptive Artificial Fish Swarm Algorithm,IA-AFSA)。通过改进的聚集度因子得到一种自适应视觉与步长策略,来平衡全局与局部搜索能力;在鱼群的觅食、聚群和追尾行为中引入了权重评价因子,能够更好地选取最优的鱼群行为,有效避免算法陷入局部极值和早熟状态。通过实验验证了改进算法能有效提高算法收敛速度与精度,规划出最优路径。最后,利用Pioneer-3DX移动机器人搭建一个基于视觉深度相机的移动机器人视觉导航系统测试平台,完成了系统的软硬件设计,对本文提出的视觉SLAM与路径规划算法进行了测试与分析,实验结果表明,论文提出的算法是有效的,实现的室内环境下的移动机器人视觉SLAM导航系统具有较高的可靠性和可行性。