智能制造是当今制造业在工业4.0提出之后快速发展的方向与趋势,无论是在军事领域还是生活服务领域以及工业物联网领域都有重大应用。其中工业智能机器人将作为智能制造重要构成因素,一部分工业智能机器人需要其能够自主测量周边物体或障碍物的尺寸,完成装配或运输等功能,替代人力完成具有重复性或危险性的工作,在工业生产中快速高效的完成生产任务。因此在完成任务的过程中需要其能够判断自身所处环境并对环境进行分析与路径规划。因此对工业智能机器人的自主定位与建图算法的研究显得尤为重要。本课题以自主定位与建图算法为研究对象,提出了一个完整的自主定位与建图系统,并对其主要算法进行了比较与分析。本课题深入探究用于测量图像采集的视觉传感器的模型以及标定矫正过程,并对前端视觉里程计中的特征点提取与特征点匹配算法进行了详细的比较与分析。最后通过实验对整体定位与建图实时性以及其精度进行了论证和分析。本课题的大体思想和主要工作如下:为了建立完整的机器人自主定位与建图系统,实现软硬件相结合的系统平台方案,本课题首先结合实际选取了适合的视觉传感器以及机器人移动平台作为系统建立的硬件基础,其次利用ROS系统实现系统各模块之间的通信和数据传输,最后利用SLAM算法实现自主定位与建图功能。对系统所采用的视觉传感器进行了成像模型分析,减少其成像过程中采集图像的误差。分析视觉传感器标定算法,即对视觉传感器进行基本参数标定以及各类畸变校正的方法,提高图片精度,并利用实验对该算法进行了分析和论证。对SLAM算法中的前端视觉里程计算法进行理论分析与实验验证。前端视觉里程计包含特征点提取、特征点匹配以及相机位姿估计三个过程。分析特征点提取的三种算法的实时性以及准确性,其中SIFT算法的特征提取时间在0.4ms左右,SURF算法的特征提取时间在0.12ms左右,而ORB算法的特征提取时间在0.02ms左右,因此从实时性方面ORB算法的实时性要优于其他两个算法。接下来与特征点匹配的两种算法结合进行整体的算法比较,得到处理速度快精度高的特征提取与特征匹配算法,并对该结论进行了实验验证。最后本文通过对整体自主定位与建图系统进行了相关的实验与分析,从硬件系统搭建、ROS系统各模块通信以及自主定位与建图算法的实现,完成了整体实验的准备与机器人移动平台实验系统的搭建。通过对系统进行实时性分析得到,该系统每秒处理图像帧数在25帧左右,其能够满足定位与建图的实时性要求。通过对系统绝对轨迹误差与相对位姿误差进行分析得到轨迹精度,并对其进行了分析和实验验证。