随着移动机器人视觉导航技术的不断发展,将低成本RGB-D传感器提供的彩色图像和深度图像用于指导移动机器人路径规划及环境感知已成为国内外研究热点之一。然而因为RGB-D信息数据量大、分辨率受限、抗干扰能力较弱,如何在仅应用RGB-D而不使用其他传感器这个限定条件下来有效、精确地建立未知环境的三维地图,并用于移动机器人稳定、高效和可靠的环境感知与路径规划,这是一个亟待解决的问题。首先,本文系统地研究了基于RGB-D的移动机器人在未知环境下自主感知与路径规划技术。当移动机器人在RGB-D感知下进行自主导航过程中,同步定位与地图构建算法通过对路径中障碍物构建三维点云地图,将点云平面夹角进行分析,实时计算障碍物的高度,判断是否可以通行。其次,RGB-D相机输出的原始点云数据由于设备精度误差和环境物体间的视野相互遮挡,会使得采集到的点云数据中存在大量噪声,因而会严重影响后续分割的准确性,需要进行滤波处理。再次,本文在TUM RGB-D数据集中采用ICP方法进行基于ORB-SLAM2的点云配准并与RGB-D SLAM算法进行地图重建完整度比较,然后在Table Scene数据集中分析比较了统计滤波中不同参数的去噪效果,得到了最佳参数K=20,α=2。移动机器人通过ORB-SLAM2算法在户外环境下利用ICP方法来构建点云地图,然后分别进行直通滤波、体素滤波、统计滤波和平面分割,计算斜坡夹角,实施运动规划。最后,实验结果表明,在慕尼黑工业大学的TUM RGB-D数据集中采用的ICP方法能够适用于ORB-SLAM2,在生成原有稀疏特征地图的同时也生成了用于移动机器人路径规划的点云地图,并且改进的算法在地图精度和定位精度上都要优于RGB-D SLAM算法;在斯坦福大学的三维点云数据集Table Scene中获得的最优统计滤波参数能适用于户外环境,移动机器人能对前方坡度大小进行求取,并根据运算结果自动进行路径规划,完成指定任务。