随着近年来人工智能的快速发展,解决机器人环境感知问题的同时定位和地图构建技术(Simultaneous Localization and Mapping,SLAM)在自动驾驶、机器人导航、增强现实等领域有着广泛的应用。而视觉SLAM作为自主定位与导航的关键技术之一,在面临复杂的未知环境时,仍然存在相机采集的图像噪声大,单一环境特征难以处理,鲁棒性不强等诸多问题。因此,本文在深入研究经典视觉SLAM的框架之后,利用RGB-D相机作为传感器,设计了一种能运行在场景特征单一,光照条件恶劣的月球表面环境下的视觉SLAM算法。本文主要工作及创新点如下:(1)本文首先详细介绍了经典视觉SLAM算法的基础理论和RGB-D相机数学模型;然后量化了视觉SLAM算法的评价标准。(2)在深入研究了传统ORB特征提取算法在提取环境特征时存在的难点和缺陷之后,分别从FAST关键点与BRIEF描述子两个方面改进了ORB特征点,提出了一种适用于月球表面环境的网格均匀化ORB特征提取算法。本文在真实的月表图片中分别对SIFT、SURF、ORB以及网格均匀化ORB算法进行性能测试对比,最终验证本文所设计的改进的ORB特征能满足实际工况要求。(3)在综合对比暴力匹配、快速最近邻以及RANSAC特征匹配算法的优劣之后,针对RANSAC计算速度慢,误匹配多的问题,本文设计了一种基于预筛选的快速RANSAC算法,该算法通过设置合适的汉明距离来剔除误差较大的匹配,并通过二次反向匹配进一步筛选,从而得到最优的匹配点集。(4)在视觉SLAM的后端,本文采用光束平差法进行位姿的局部调整,通过回环检测后的图优化算法进行位姿和地图的全局优化。针对月表特征单一,回环检测计算的词袋模型不够丰富,容易出现误回环等问题,本文设计了一种基于关键帧上特征点块的相对位置关系的回环检测算法。在地图构建上,本文选用了便于导航,占用内存小的空间占据型的八叉树地图作为视觉SLAM的地图构建方案。(5)本文通过实验分步验证了视觉里程计、后端优化及回环检测等模块的有效性;同时对本文的视觉SLAM算法与ORB-SLAM2算法的综合性能在TUM数据集上做了定量分析,结果显示本文算法的定位精度比ORB-SLAM2平均提升了5.7%;然后又分别在室内小尺度和室外大尺度环境下进行了本文算法的整体验证,实验结果表明,本文算法能够实现自身的准确定位和稀疏环境地图的构建。最后,为了给探月机器人的月面移动控制技术做预研究,本文利用Gazebo仿真平台,创建了高度保真的月球仿真环境,加载实验室研发的机器人模型,进行了月球仿真环境下的算法测试,验证了本文的视觉SLAM算法在月面环境下的适用性和鲁棒性。