针对复杂环境中的移动机器人,利用自身所携带的视觉传感器获取机器人所在环境的三维空间模型和机器人的运动轨迹,这是视觉即时定位与地图构建(Simultaneous localization and mapping,SLAM)所要完成的工作,也是实现移动机器人任务规划、导航和控制等自主运动的前提之一。RGB-D SLAM算法主要由前端和优化后端两部分组成,本文针对移动机器人同时定位与地图构建中存在的累积误差问题,将图优化方法应用于前端和后端优化中,以提高移动机器人位姿估计和建图的准确性。本文的主要工作和成果如下:1.针对SLAM实时性的要求,本文采用ORB(Oriented FAST and Rotated BRIEF)算法对图像进行特征点检测与描述,并采用基于随机抽样一致性(RANSAC)算法的特征匹配算法进行特征匹配,来剔除其中的误匹配,得到正确匹配结果。这样不仅提高了图像特征提取与描述的速度,而且提高了特征匹配的准确率。2.针对SLAM前端中移动机器人位姿的准确求解问题,本文提出了EPNP(An Accurate O(n)Solution to the PnP Problem)结合图优化进行位姿求解的算法。即首先采用EPNP求解得到移动机器人位姿的初始值,然后采用图优化的方法对位姿进行优化,得到更加精确的解。通过使用该算法可以得到更加准确的位姿估计值。3.针对如何进行准确闭环检测的问题,本文采用基于视觉词袋模型的闭环检测算法对得到的当前关键帧与所有过往关键帧进行相似度检测,从而检测出是否有回环存在。该算法不仅提高了回环检测的准确性,同时也加快了检测速度。4.针对如何对检测到的回环进行优化的问题,本文采用基于图优化的后端优化方法对检测到的回环进行优化。在图优化模型中只保留位姿之间的约束关系,只优化位姿,这一做法使后端优化变得更加简练,提高了后端优化的效率。最后,对全文进行总结,并对进一步的研究提出展望。