随着科学技术、计算机网络和硬件的进步,同时定位与建图(Simultaneous Localization and Mapping,SLAM)无疑已经成为了移动机器人智能化领域的研究热点之一,它对机器人的自主移动来说起到了至关重要的作用。SLAM可以使用很多方法实现,总体上可以分为滤波器方法和图优化方法。对于利用图像信息作为数据来源的SLAM问题被又称为视觉SLAM(Visual SLAM,VSLAM)。在动态、复杂度高和大尺度的环境下,利用视觉信息作为唯一的外部感知来源来解决SLAM问题是目前一个活跃的研究领域。针对该问题,本文的主要研究内容如下:首先,通过比较不同视觉传感器的优缺点并参考“图优化”方式构建了基于深度相机的RGB-D建图算法,并针对传统视觉特征鲁棒性、实时性和匹配精度较差的问题,提出了一种基于ORB视觉特征的RGB-D建图算法。然后将不同视觉特征(ORB、SIFT、SURF、FAST、GridFAST等)应用到RGB-D建图算法中并比较了它们对整个建图算法实时性、精度以及重定位能力的影响。实验证明,ORB特征在鲁棒性、实时性和匹配精度方面的性能都远优于其他视觉特征,基于ORB视觉特征的RGB-D建图算法在实时性、建图准确性和重定位能力方面效果更好。其次,针对传统关键帧选择算法单一、整个SLAM过程中关键帧数量激增的问题,提出了一种改进的关键帧选择算法,并以此为基础构建了基于ORB特征的RGB-D SLAM算法。改进的关键帧选择算法不仅整合了帧间相对运动距离、特征点跟踪以及最小视觉变化来选择关键帧,同时检测冗余关键帧并将其删除。通过在RGB-D数据集上的实验表明,改进的关键帧选择算法能够更精准、及时地选择关键帧,并在减少RGB-D SLAM算法中冗余关键帧的同时提高RGB-D SLAM算法的实时性和建图、定位精度。最后,针对RGB-D相机使用灵活性较低、特征点法鲁棒性较差的问题,利用直接法实现单目相机下的同时定位与建图。该算法使用一般的单目相机为传感器获取环境信息,克服了深度相机只能在室内环境下使用的局限性,也能在室外环境下使用。相较于特征点法,直接法直接对图像的像素灰度进行操作,能够更加充分地使用环境中丰富的信息,在显著特征不明显时也能很好地估计深度。实验结果表明,在特征不明显的情况下直接法仍适用。同时,采用直接法的MonoSLAM算法,在室内外环境下都能够快速精准的定位与建图。