当今移动机器人产业迅猛发展,已经深入到社会各个角落,而如何解决移动机器人自主控制是这一领域的热门问题,很多学者认为同步定位与地图构建(SLAM,Simultaneous Localization and Mapping)是解决这一问题的关键。其中,将RGB-D视觉传感器与SLAM算法相融合的方式是SLAM领域的一大创新,这种结合可以使机器人具备像人的眼睛一样感知周围环境的能力,通过深度相机获取周围场景的彩色信息和深度信息,从而构建出环境场景的三维地图。本文基于图像特征的RGB-D视觉SLAM算法所做的主要工作如下:(1)SLAM地图的构建。使用TurtleBot 2采集环境场景中的彩色图像和深度图像,对采集到的彩色图像进行特征提取并计算其对应的描述符,然后进行特征匹配,根据匹配结果估计相机运动变换并进行优化,再根据优化的结果构建位姿图,接着进行闭环检测与位姿图优化,最终根据后期机器人位姿恢复的需求构建地图。(2)利用视觉词袋算法匹配相似图像。对地图集中图像的特征描述符进行聚类并构建视觉词典,然后使用NAO机器人进入场景中采集图像,并对该图像进行预处理构建视觉词汇,接着计算其与地图集中图像的相似度,最后得到地图集中与其相似度最高的图像,作为匹配结果。(3)机器人位姿恢复。构建的SLAM地图实际上就是所有路标点的集合,通过地图可以获取关键帧以及其对应的位姿。根据图像匹配结果,计算得到特征点的坐标,通过对极几何原理,估计两帧图像的相机间位姿变换,最终对进入场景中的机器人进行重定位。通过以上过程,可以有效地利用RGB-D SLAM算法所构建的地图。实验结果表明,本文提出的方法能有效地对进入同一场景中的机器人实现定位。