近年来随着研究者对视觉SLAM（Simultaneous Localization and Mapping,SLA M）研究的不断深入,该项技术在工业及民用等方面的应用领域越来越广泛。本文在视觉SLAM框架的基础上,通过搭载RGBD(（RGB-Depth）相机的轮式机器人对未知环境进行探索,在此基础上,本文对平面运动轮式机器人视觉里程计做了重点研究。首先,本文针对RGBD相机深度值准确性问题做了相关性研究,通过实验评估了深度相机的测距性能,实验表明该相机更适合小场景建图使用。本文在视觉里程计部分通过ORB算法对相邻两帧图像特征点进行提取与匹配,并根据根据轮式机器人的运动特性,提出了等高约束条件和直线约束条件,通过这两个约束条件来实现对特征点的筛选,实验结果表明该约束条件可以有效的筛除帧间图像在匹配时出现的的误匹配点对,同时还可以筛除掉彩色图匹配正确但是深度值存在较大误差的误匹配点对,这样就可以为后续视觉里程计帧间运动的运算提供了优质的匹配点对。因为平面轮式机器人在二维平面运动,所以本文对获得的匹配点对进行降维处理,结合二维I CP算法实现对机器人相机运动轨迹的估计。本文使用TUM数据集对提出的轮式机器人视觉里程计算法进行了验证,并与目前常用的的RANSAC算法及三维ICP算法进行了比较,实验结果表明,对ICP算法进行降维处理后整体的运算速度有了很大的提升。通过视觉里程计获得的相机运动轨迹的估计,存在累积误差,可通过回环检测与后端优化得到更加准确的相机位姿与运动轨迹。最后本文使用优化的相机位姿与RG BD相机的点云数据,构建了点云地图,并在此基础上,进一步构建了八叉树地图。