移动机器人在机器人学中占据很大的比重。近年来,其建图,定位方法已成为各大科研团队热门研究方向之一。由于移动机器人成本低,便于维护,量产等原因,在反恐防暴,人质解救,抢险救灾等危险任务中的环境探查方面得到了广泛应用。在感知模块的选择上,选择被动传感器作为感知模块更具有隐蔽性;同时针对任务变数很大,情况紧急,空间狭小的特点需要机器人尽可能具备灵敏机动的能力,所以也需要机器人在较高速移动和急速转向时时仍能完成定位功能。综上所述,本文将从高速场景下的视觉三维地图构建与视觉自主定位两方面展开研究,并在实际移动机器人平台上进行实时定位与建图实验。本文首先针对传统视觉定位算法由于特征点跟踪效率低,无法应对高速的剧烈旋转的场景,对视觉跟踪算法进行改进,提出了基于GPU加速的视觉特征匹配与跟踪算法,利用GPU具有的大规模多线程同时运算能力优势与机器人的运动约束,实现特征提取与特征跟踪步骤效率的提升。针对移动机器人在高速移动时IMU受到震动引起的加速度测量噪声降低定位精度问题,引入轮式里程计进行联合定位以提升精度;针对移动机器人系统中由于存在运动约束,而定位算法中不存在该约束,影响优化精度的问题,本文在优化函数中引入平面约束以解决该问题。针对基于深度学习的双目立体匹配算法效率低,难以实时运行的问题,提出了基于特征引导的代价聚合网络,减少了算法在代价聚合步骤的耗时。此外,为了提升算法的鲁棒性,设计了基于Top-k选择的视差回归方式。并通过该算法生成视差图进行视觉三维重建。针对视觉定位与双目三维重建功能的需求,设计了移动机器人实验平台,首先从视觉定位算法与视觉双目立体匹配算法的精度与实时性与其他算法进行了对比,以说明本算法的优势;此后,将视觉定位算法与双目立体匹配算法相结合,完成机器人在一定空间场所内的地图构建实验以验证本文算法有效性。