移动机器人由于具备较强的适应性和自主性,在医疗、灾难救援、家政服务等领域得到广泛应用。建立精准的三维地图和实现精确的定位是移动机器人实现自主导航的关键,也是完成后续任务的前提条件。目前大多数的视觉同步定位与地图创建(SLAM,Simultaneous Localization and Mapping)系统主要适用于静态场景,限制了SLAM系统的适用范围。在动态场景下解决SLAM问题时,若移动机器人视野中存在运动目标,构建三维点云地图和三维栅格地图时将会多次留下运动目标的三维模型,还会影响到SLAM中闭环检测和视觉里程计的精度,导致构建的地图和定位不够精确,影响SLAM的性能和机器人后续任务的执行。在动态场景下移动机器人视觉SLAM中,检测并移除运动目标对构建静态场景的三维点云地图和三维栅格地图、改善闭环检测和视觉里程计的性能具有重要意义。本文在现有运动目标检测方法的基础上,提出了基于RGB图像和深度(depth)图像相结合的运动目标检测方法。利用RGB-D相机获取RGB图像和深度图像,通过图像特征提取与匹配求解前后两帧图像间的单应性矩阵,得到两帧图像像素坐标之间的映射关系。然后在两帧图像对应的坐标位置上进行图像差分,并将差分图像二值化,结合深度信息将运动目标所对应二值化图像区域分离到前后两帧,得到标记了运动目标候选区域的标记图像。本文提出了基于运动目标标记图像和点云聚类分割相结合的运动目标移除方法。结合相机模型计算三维点云,对三维点云进行滤波和降采样后移除地平面,运用聚类算法将点云分割为多个目标,结合运动标记图像找出运动目标对应的聚类,将运动目标对应的聚类投影到一个平面,利用边界提取算法和棱柱提取算法将运动目标对应的聚类从原始点云中移除。本文在已有的RGB-D SLAM系统RTABMap(Real-Time Appearance-Based Mapping)的基础上,设计了一个基于运动目标移除算法的RGB-D SLAM系统。对移除运动目标后构建三维点云地图、构建三维栅格地图、闭环检测、视觉里程计和实时性进行实验测试,实验表明在构建三维点云地图和三维栅格地图时移除运动目标可以构建静态场景的三维地图;移除运动目标在一定程度上可以改善闭环检测和视觉里程计的性能;运动目标检测和移除算法具有较好的实时性。