随着机器人相关技术的发展,以及世界人口老龄化的加剧,服务机器人必将走进家庭服务人类。同时定位与地图构建(Simultaneous localization and mapping,SLAM)问题是服务机器人自主导航、走进家庭服务人类的关键。视觉传感器在解决SLAM问题方面以其成本低,能耗小,直观性好,信息量大等诸多优点,成为服务机器人SLAM系统中获取环境特征信息的主要传感器。本文研究了如何利用双目视觉传感器实现SLAM系统,并最终设计实现了服务机器人SLAM自主导航系统。主要内容包括:研究了服务机器人定位和地图创建技术的国内外发展情况,分析了不同传感器下的SLAM优缺点。针对如何实现双目立体视觉定位算法的问题,分析并研究了机器视觉中的基本原理及相关算法,包括摄像机的标定、目标的识别、立体匹配以及三维重构。其中,采用张正友标定法对相机进行标定,采用几何不变矩和欧氏距离相互结合的算法进行目标的识别;为克服单一特征易引起的匹配误差较高的问题,提出基于加权的匹配算法,将目标区域归一化后的特征和区域的面积、区域的形状矩、区域的轮廓长度进行反正切归一化后的值进行相减,再取其绝对值再进行加权,得到区域匹配结果;采用最小二乘法进行三维信息恢复。对基于扩展卡尔曼滤波的SLAM方法(EKF-SLAM)进行了详细研究。建立了基于双目视觉的SLAM系统,对其运动模型,观测模型及数据关联问题进行了分析。介绍了卡尔曼滤波原理,在此基础上阐述了EKF-SLAM算法的实现过程并通过仿真验证了算法的可行性。搭建了服务机器人SLAM实验平台。通过实验验证了本文双目视觉定位算法的可行性,并对其精度进行了测试。通过编码器采集航向,双目视觉系统采集环境特征信息,将采集到的实验数据上传上位机进行处理,验证本文SLAM算法可行性。