同时定位与地图构建(Simultaneous localization and mapping,SLAM)问题是移动机器人研究领域的基本问题之一,是移动机器人在未知环境中实现自主导航与自主控制的关键。随着图像处理及机器视觉领域的不断发展,视觉传感器在解决SLAM问题方面得到了广泛应用,以其成本低,能耗小,信息量大,直观性好等诸多优点,正逐步取代其他传感器,成为移动机器人SLAM系统中获取外部环境信息的主要传感器。本文对如何利用双目视觉传感器实现SLAM系统进行了研究,最终设计并实现了移动机器人SLAM自主导航系统。主要内容包括以下部分:首先,对移动机器人SLAM系统进行了深入研究,包括其发展,研究进展及研究意义,具体分析了SLAM系统要解决的核心问题,实现过程中将遇到的问题及如何实现SLAM系统等。对SLAM系统的运动模型,位姿模型和观测模型进行了分析,为实现系统平台奠定了理论基础。其次,针对如何实现双目立体视觉测距系统,本文分析并研究了机器视觉中的基本原理及相关概念,包括摄像机对极几何模型,极线约束,三角测距原理等。研究并实现了双目视觉测距系统,包括:相机标定,立体匹配,特征点提取及匹配和三角测距。其中,选取SIFT(Scale-invariant feature transform,尺度不变特征转换)特征点提取方法对图像中的待定路标点进行提取,结合极线约束条件,对特征点的提取进行了有目的的删选,降低了误匹配率,从而保证了之后环境信息观测时,提取信息的稳定性及高效性。为了提高特征点提取及匹配的效率,本文结合移动机器人SLAM特点,提出了两种方案:1.切割图像感兴趣区2.改进SIFT算法。通过实验证明,这两种方法能够提升特征点提取及匹配的效率。再次,针对如何估计移动机器人位姿状态和环境特征状态问题,本文对多种状态估计算法进行了研究分析。对比了多种滤波算法的优劣及可行性,并经过对Fast SLAM 1.0和Fast SLAM 2.0算法的仿真对比,得出Fast SLAM 2.0算法相对其他算法,更适合本实验搭建的SLAM系统平台。因此,本实验选取Fast SLAM 2.0为本系统状态估计算法并设计实验,对算法实现进行了验证。最后,本文设计并搭建了移动机器人SLAM系统实验平台,使其具备移动能力,自身位姿信息检测能力,外部环境信息采集能力等。选取两轮驱动车做为移动机器人主体,设计并搭建了其内部的控制系统及位姿信息采集系统。搭建了双目视觉测距系统,完成了机器人环境路标点信息的采集,并将采集到的实验数据传输到上位机上进行处理,最终通过实验,实现了SLAM功能。