随着生活水平的提高,人们对室内服务机器人需求日益增加,这使得移动机器人自主导航成为其中的重要任务。而移动机器人对未知环境的感知一直是机器人智能化研究的热点和难点,同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)作为自主定位与导航的关键技术之一,对移动机器人智能化的发展起着至关重要的作用。其中视觉传感器具有性价比高、信息史为直观丰富等优势被广泛使用。本文针对能够直接获取环境三维信息的Kinect传感器,对SLAM 法进行深入的研究,最终实现在室内环境下的三维地图构建。为了提高视觉SLAM定位的精度,着重对前端视觉里程计定位方方法进行了深入研究并提出改进方法,其中精确快速的特征匹配及位姿估计是决定定位准确性的重要研究点。由此本文主要研究内容有:(1)首先针对RANSAC匹配算法存在的有限迭代次数中难以得到最优解问题,本文研究了一种基于预筛选的RANSAC匹配算法.改进算法通过汉明距离大小剔除部分误差较大匹配点对,并进一步通过二次反向匹配进行检验得到最优匹配点对,实验证明有效的提高了匹配正确率。(2)其次针对Kinect传感器易受噪声干扰,导致单一模型估计方法中的有效匹配点对大量减少的问题,为了进一步提高定位的精度,本文提出了 一种基于混合模型的运动估计方法。改进方法结合3D-2D模型充分利用深度信息缺失的二维特征点,减少特征匹配点对数量损失;并结合关键帧和前一帧的地图信息进行位姿估计,减少传统方法依赖相邻帧之间数据关联的局限性,提供了更多约束信息,有效减小了积累误差,准确估计位姿,从而提高了定位精度。(3)为了进一步保证机器人全局轨迹的一致性,后端以局部及随机回环相结合为策略,采用基于图像特征的回环检测,并通过图优化理论实现对全局位姿估计的优化。最后通过慕尼黑大学视觉提供的RGB-D离线数据集的仿真和在线实验验证定位的准确性,保证轨迹全局一致。(4)最后本文设计了视觉SLAM框架,并利用移动机器人平台Turtlebot2在真实场景下进行了验证,通过本文改进的定位方法以及基于八叉树结构的建图方法,分别实现了对三种不同类型实验场景的定位与建图。综合实验分析表明本文定位方法的效果较为准确,且基于八叉树结构的地图构建能够很好地反映实际环境。综上所述,本文通过对SLAM方法的深入研究,改进并优化了定位算法,有效提高了定位精度,进一步验证了 SLAM在室内环境下定位与地图构建的鲁棒性,同时使得本文SLAM方法能够为移动机器人导航提供充足基础。