同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)是机器人与自动驾驶领域中一大重要关键技术,具有非常广泛的应用前景与使用价值。由于视觉传感器和激光传感器的特点和优势,这两项关键技术成为了近几年来的研究热点。本文首先分别研究了基于视觉和基于激光的两种建图技术的基本理论和方法,分析了这两种方法的优缺点。相关研究表明,激光雷达在点的三维信息等测量数据方面较为准确,所以激光SLAM能很好地反映周围环境信息。激光SLAM的建图结果在小型环境中相当不错,但是到了大型环境中,累计误差变成了阻碍建图准确度的一个重要因素,并且激光SLAM没有有效的闭环检测方法来减小该累计误差。相反,视觉SLAM获取的图片中有很丰富的信息量,能够很好地完成场景识别,但是此类方法相比激光建图准确性还有待提高。本文提出了一种融合视觉信息的基于激光SLAM的来同时检测和纠正闭环的方法,能够较好地解决激光SLAM闭环检测这个问题。特别地,本文介绍了一种用于检测和维护视觉关键帧的视觉词袋技术,以将机器人的估计的姿态与分割好的激光点云联系起来。本文的方法可以借助视觉闭环检测的快速性和准确性,大大节省计算点云之间的相似性的时间开销。本文以公开数据集和实物实验作为参考,将其作为本文系统的输入来验证方法的有效性。最后在Kitti数据集和作者收集的数据集上的实验结果表明,该方法能够有效地减少运动累积误差,并成功地保证了闭环校正的实时性。本文所介绍的改进后算法的优化结果相对于原有的激光SLAM方法建成的图在精确度和信息丰富度上都有很大程度的改进,并且在实时性上,也并没有由于加入了视觉闭环检测而造成时间消耗过多,从而保证了SLAM方法所需要的实时性。本论文所达成的目标和获得的成果可以广泛的应用于自主导航机器人,工业自主导引车,无人机飞行等等领域,对于我国机器人建图导航有较大的意义。