随着科学技术在自动化领域的快速发展与突破,智能化移动与感知机器人逐渐活跃在各行业的生产生活中。智能设备的自主定位、导航和对周遭环境的感知探索,已经成为移动机器人在自动化领域的热点和方向。然而,当火灾等突发灾难在无先验地图信息和GPS定位的室内大楼中发生时,利用传统SLAM（Simultaneous Localization And Mapping,SLAM）技术的移动机器人进行快速运动并提供先验的救援信息,存在着跟踪易丢失、定位误差大与检测耗时的问题,这些问题限制了机器人为救援工作提供快速且准确的先验信息,不利于后续救援人员的快速营救工作的开展。基于此,本文将研究移动与感知机器人在火灾大楼场景下实现快速且准确的SLAM技术与方案。希望解决使用单一相机进行视觉SLAM在运动模糊下跟踪丢失、误差增大的困难和使用词袋模型检测回环时运算量大、搜索耗时长的问题。以克服SLAM的视觉失效,降低SLAM的误差以及缩小SLAM回环检测的运算量与时间,从而为后续消防人员的救援工作提供快速且准确的信息支持。本文首先对火灾场景中机器人所需的SLAM技术和方案进行了论述,指出了在灾难场景下机器人所需要的SLAM技术与基础,并对SLAM和多传感器方案进行了讨论与选型确定。提出采用视觉SLAM、单双目相机、惯性测量元件与Wi-Fi传感相融合的方案,解决火灾场景中移动机器人在快速运动并提供先验救援信息时传统SLAM技术跟踪易丢失、结果误差大与检测耗时的问题,满足本文研究对目标场景下机器人更好地实现SLAM功能的需求。基于上述对火灾场景下机器人的SLAM技术分析,论文设计了一套基于多传感器融合的视觉SLAM系统方案,以满足移动机器人在对应的场景约束下对感知、定位和建图的功能支撑。该方案重点对视觉SLAM中特征提取、位姿估计和回环检测中存在的不足进行了分析与改进。其中,针对SLAM前端中角点相连、不能完善反映图像信息的问题,本文提出基于自适应网格和动态阈值的FAST角点算法,使视觉SLAM结果的误差较ORB-SLAM2方案降低了约10%;针对使用单一相机的SLAM方案在运动模糊下跟踪易丢失和视觉失效的困难,本文设计了基于因子图融合的视觉惯性SLAM方案,使SLAM的轨迹跟踪不易丢失,在快速运动下仍能得到完整SLAM的轨迹与结果;针对SLAM回环检测中使用词袋模型产生的回环搜索空间大、单次检测耗时长的问题,本文设计了基于Wi-Fi传感的SLAM回环检测方法,利用环境中的Wi-Fi信号完成了闭环候选帧集合选取与闭环评判,降低了SLAM回环模块中冗余的运算量且快速完成了回环检测。最后本文进行了基于多传感器融合的视觉SLAM方案验证,包括“ubuntu16.04系统下公开数据集的仿真实验”与“ubuntu16.04系统下室内环境的实测实验”,对文章设计与实现的SLAM方案进行了验证,证实了研究中设计算法与方案的有效性与优势所在。并对实验结果中存在的问题进行了讨论,提出了对未来SLAM研究的展望。