近十年来,人工智能以前所未有的速度快速发展,在各个工程行业中均表现出惊人的应用潜力。在移动机器人研究领域中,智能移动设备需要具备感知外部环境,自我实时定位以及在所感知建模环境内实现自主导航移动的能力。其中,基于图像视频序列的环境建模、感知自定位以及移动控制,由于其成本低,信息量丰富,在近年来获得了大量学者以及工程开发人员的关注。随着众多学者在该领域的研究开展,目前视觉导航的多个子问题已经积累了相当的研究成果。特别在基于视觉的同时定位与地图构建(Visual Simultaneous Localization and Mapping)方面的研究,目前在定位精度以及构图精度方面,已经取得了一系列具有标志性的成果。但对于视觉导航在实际应用中的开展,目前已有系统在稳定性、鲁棒性方面,面对纹理缺失、运动模糊等情况时仍表现出明显的不足,限制了视觉导航理论研究成果在实际工程应用中的推广。针对以上所述的视觉导航鲁棒性问题,本文深入研究了移动机器人视觉导航多个角度的可靠性提高措施,提出了一系列VSLAM系统以及视觉导航机器人系统的创新方法。通过理论分析以及实验证明,本文提出方法相比已有方法,具有更高的鲁棒性以及精度,更能满足实际应用对视觉导航的需求。具体而言,本文从视觉导航的以下四个角度做了相关研究:1.在环境建模VSLAM的后端(Back-end)方面,本文提出了一种基于多子图的VSLAM后端方法,利用多子图的后端图论Pose-graph表达,将环境建立模型分割为多个可独立跟踪又彼此对齐的子图。利用子图的独立性,实现了系统的可持续运行,提高了对抗视觉跟踪失败的容错率。同时,引入高鲁棒性的闭环检测约束,使子图间约束在发生错误拓扑关系的情况下,可根据优化过程的全局收敛情况,剔除多余的错误拓扑关联,进而实现多子图在全局坐标下的一致性。本研究点从视觉导航中VSLAM系统的后端切入,提高系统在环境建模方面的可维护性。2.在VSLAM模块的前端(Front-end)数据关联方面,本文提出了一种具有自适应动态调整能力的关键帧选择策略,通过已有成熟控制论方法的引入,将传统关键帧选择方法中常见的固定阈值代替为动态阈值。利用比例-微分控制器(PD Controller)作为该策略的自适应实现单元,将视觉跟踪数据关联强度作为控制器反馈,实现了关键帧选择条件的自适应调整。通过动态自适应阈值项的引入,减少了VSLAM系统中关键帧选择的阈值调参工作量,同时优化了所选择的关键帧集合,提高系统精度。从VSLAM系统前端的关键帧选择以及数据关联建立角度切入,提高系统视觉跟踪的稳定性。3.基于以上对VSLAM前端以及后端的研究成果,以所建立的VSLAM系统为核心,本文设计构建了一套具有故障容错能力的视觉环境探索系统。考虑到视觉定位跟踪的脆弱性,通过基于深度神经网络的地面分割算法,实现了移动机器人驱动控制与视觉全局定位的脱离,使得移动机器人系统在任何时刻都可对图像输入进行更新,保持了系统中各个依赖于视觉信息模块的持续运行。其次,设计了一种对已建立环境模型的完整度评估机制,利用该机制对VSLAM模块所建立模型进行探索完成度的定量评估,从而在合适的时机自动停止探索。在节省环境探索时间的同时,保证了移动机器人在所建立模型中视觉重定位的地图可复用性。从移动机器人视觉导航的系统构架方面,对鲁棒性问题进行了改善。4.最后,于实现移动机器人安全视觉导航方面,在以上工作完成视觉环境探索与视觉环境建模的基础上,本文提出了一种在已建立模型中进行视觉定位安全路径规划的置信度评估方法。利用环境中局部范围内关键帧分布密度的统计,以及关键帧姿态全局分布的统计分析,构建统计概率参数模型,评估视觉定位在该区域的潜在可行性。通过该方法,使得机器人在进行在线视觉导航之前,可评估某一规划到达位置的视觉定位成功率,从而避开视觉跟踪失败的高危区域,为可靠安全的视觉导航提供先验。