蛇形机器人是一种多关节、高冗余度仿生机器人。它具有多步态运动能力,可适应狭小环境等特点,被广泛应用于灾难救援、工业检测和水下勘察等人类无法到达的应用场景。由于上述环境中机器人无法准确获取自身位姿和周围环境信息,因此同时定位与地图创建(Simultaneous Localization and Mapping,以下简称SLAM)成为制约蛇形机器人自主执行任务、向智能化发展的技术瓶颈。本文首先对蛇形机器人系统建模并探究其稳定控制方法,然后围绕单目视觉SLAM尺度不确定性、无法重建稠密三维场景、弱光应用环境以及动态运动导致视觉跟踪丢失等问题展开研究,主要工作和创新性内容如下:(1)探究生物蛇骨骼结构特点及运动特征,设计出一种集成惯性测量单元(Inertial Measurement Unit,IMU)和聚焦堆栈视觉数据采集系统、具有三维运动步态的水陆两栖蛇形机器人。通过构建蛇形机器人SLAM系统坐标系,建立其运动学模型,并通过机械动力学仿真探究其稳定控制方法。(2)针对单目视觉SLAM尺度不确定性问题,基于聚焦堆栈重建光场理论,提出一种适用于蛇形机器人有限结构空间的紧凑式、高精度视觉传感技术。从解析重建和迭代重建,实现了场景光场、深度与全聚焦图像重建。实验结果表明,重建场景深度达到厘米级精度,解决了尺度不确定问题。(3)针对传统单目视觉SLAM无法重建稠密三维场景问题,利用聚焦堆栈数据和光场计算成像获取逐像素的场景深度图和全聚焦图,实现了蛇形机器人在单一位置可视范围内(Field of View,FOV)高精度、高分辨率、具有颜色纹理信息的稠密三维场景重构。实验结果表明,在同一场景下本文光场计算成像仅使用1/10的图像帧获取的点云像素数目是传统单目视觉SLAM的7倍,能够重建出场景的稠密点云。(4)针对蛇形机器人的弱光应用环境以及由低视角、动态运动导致视觉跟踪丢失问题,引入IMU作为位姿估计辅助传感器。通过研究蛇形机器人运动约束特征与误差传播特性,提出控制触发毫秒级零速和零角速度约束修正的蛇形机器人路径跟踪方法,路径跟踪算法位置误差在4%总行驶里程以内。提出了自适应动态匹配的IMU和相机组合位姿解算方法,解决了由于低视角、动态运动特征导致的视觉跟踪丢失问题,进一步提高了路径跟踪的精度,位置误差减小到1%总行驶里程以内。本文在蛇形机器人平台研制的基础上,通过建立其运动学模型和机械动力学仿真分析得到了蛇形机器人的稳定控制方法;通过聚焦堆栈重建光场理论解决了传统单目视觉SLAM尺度不确定性和无法重建稠密三维场景的问题;通过IMU辅助相机进行位姿解算,解决了蛇形机器人在弱光应用环境,以及由低视角、动态运动特征导致视觉跟踪丢失问题。本文研究内容在单目视觉场景重构和动态环境视觉跟踪领域具有科学价值,在蛇形机器人灾难救援、工业检测等应用上具有实用价值。