随着移动机器人技术的发展,在生产生活中越来越多的工作机器人可以替代人类完成,例如导航机器人,扫地机器人,军事机器人,无人驾驶机器人等。对于一些繁重的工作和一些环境恶劣,对人类生命安全存在威胁的地方,移动机器人的到来具有更重要的现实意义。移动机器人SLAM（Simultaneous Localization And Mapping,Slam）技术作为解决机器人获取自身位置和周围环境信息的关键技术,它的重要性是显而易见的。本文在分析了国内外SLAM算法的研究现状和发展趋势的基础上,改进了基于视觉传感器ORB-SLAM2的闭环检测方法,提出了基于直方图匹配的闭环检测改进方法。并运行了TUM数据集进行了实际验证,实验结果显示在保持SLAM系统实时性的同时,改进的闭环检测方法可以有效的降低机器人系统的定位误差。为了提高SLAM技术对镂空区域的建图效果和构建更加准确和稠密的地图,本文提出高斯统计线性插值算法用于激光点云插值。然后针对插值后的激光点云改进了Gmapping算法中的点云匹配过程,减小了点云匹配的计算量,提高了实时性。最后把插值后构建的激光栅格地图和视觉栅格地图用贝叶斯的方法进行融合得到更加完善的地图,在融合中选择对于插值激光更为保守的策略信任度更倾向于视觉栅格地图。为验证本文所提SLAM改进算法的有效性和实用性,搭建了移动机器人实验系统对实验室内场景进行了实际建图验证,实验结果表明本文提出的算法可以准确有效的对镂空区域建图,并可以提供更准确的位置信息,具有较好的实用性。