同时定位和建图(Simultaneous Localization and Mapping,SLAM)技术因其体积小、高效低耗、精度高及便携性等特点在工业民用领域有着越来越广泛的应用,同时也有着广泛的应用前景。本文将此技术应用于室内移动机器人同时定位和建图问题上,介绍了同时定位和建图技术的相关理论、实现方法等。本文利用RGB-D相机RealSense进行SLAM系统搭建并进行试验,具体实验内容如下:首先介绍了相机成像模型原理,对深度相机进行标定,得出相机的内外参数,为后面的特征提取与配准,位姿估计等提供更精准的图像信息。其次本文对图像进行特征提取与匹配实验。根据搭载RGB-D相机的平面运动轮式机器人运动特点,提出一种基于等高约束条件和直线约束条件的误匹配特征点对筛选方法。本文首先在平面运动机器人相机运动约束条件下,建立了匹配特征点对的等高约束条件和直线约束条件,然后利用该条件筛除了暴力匹配法产生的误匹配点对,取得了高质量的帧间匹配点对。最后,本文将误匹配特征点筛除算法与随机抽样一致性算法相结合,估计了机器人相机的运动。实验证明,与原始随机抽样一致性算法相比,本文提出的特征点筛除算法能够有效提高随机抽样一致性算法的效率,并提高其计算精度。在相机的位姿估计过程中,利用图优化的方法进行优化。然后采用一种基于视觉特征的词袋模型进行回环检测,对关键帧训练出词典并计算相似度,这样提高了系统的回环检测速度和准确性。最后,采用国际公开的数据集对此算法进行了验证,同时在实验室进行了实验,实验结果表明该算法能较为准确的实现机器人的定位与建图。