同时定位与地图构建(SLAM)一直以来都是机器人自动化领域具有研究价值的问题,它能够根据机器人运动过程中的位姿估计与传感器获取的环境信息实现自主定位和环境地图的建立。为此,本文重点对移动机器人在未知环境下的SLAM技术进行深入研究。首先,介绍了SLAM技术的研究背景和意义,并对国内外研究现状进行了描述,阐述了视觉SLAM技术的相关知识,包括SLAM问题的描述、视觉传感器、卡尔曼滤波和扩展卡尔曼滤波。着重介绍了运动模型、视觉模型、路标观测模型及视觉传感器噪声模型的设计过程,同时对卡尔曼滤波和扩展卡尔曼滤波的滤波原理进行描述。其次,提出了一种改进的特征点检测算法。该算法在FAST算法的基础上增加预检测步骤,并对SIFT算法的特征描述子进行简化。通过仿真对比实验,证明改进算法能够有效提高视觉路标信息的检测。再次,针对数据关联问题,提出了一种基于单双向匹配的数据关联算法。该算法根据欧氏距离进行单向匹配,删除不满足条件的特征点,再通过马氏距离进行双向匹配。利用该算法进行了图像特征点匹配仿真实验,并通过对比证明该算法的优越性。最后,设计系统工作界面,通过设置环境路标与移动机器人的运动轨迹,对基于改进算法和原始算法的EKF-vSLAM系统进行仿真实验,该仿真分别从机器人位姿估计和减小误差能力的方面对改进算法的性能进行验证。