利用感知信息构建三维环境模型是实现移动机器人自主导航与环境探测的重要前提。彩色图像信息与激光深度信息的有效融合能够为机器人提供三维环境感知信息,实现这两种信息的优势互补,以保证移动机器人对环境认知的充分性和系统运行的安全、稳定性。本文基于图像与深度信息的融合,从理论上对图像特征提取技术、传感器系统标定技术、信息融合技术和环境建模技术分别进行研究,在实际应用中利用激光扫描仪和单目视觉传感器构建起一个三维环境信息采集重建系统,并在此基础上对室内环境下移动机器人的目标识别和分层地图创建方法进行深入研究和分析,以确保整个系统的实时性、准确性和稳定性达到较好的指标。本论文的主要研究内容如下：(1)单目视觉信息处理方法研究。模仿人类的视觉注意机制对视觉信息进行选择性处理,提出一种以自底向上的数据驱动为主、适当结合高层任务信息指导的视觉注意计算模型。原始图像在经过去噪、平滑后进行边缘检测,通过对显著性边缘的提取和封闭操作,实现移动机器人在室内环境下对道路区域的识别。在此基础上,通过显著度计算和角点空间分布来检测图像中的感兴趣区域,并进一步利用模糊支持向量机分类算法将感兴趣目标与背景分离。通过实验验证该方法在视觉信息处理与分类方面的有效性。(2)三维激光扫描仪与单目相机的系统标定方法研究。分别对激光测距仪和单目相机的内部参数标定方法进行了分析,以避免传感器自身因素带来的测量误差。提出一种基于单线匹配的激光-相机外部标定算法,以确保后期信息融合和三维建模的精度。针对该方法在时效性和操作简捷性方面的不足,提出一种不依赖棋盘标定板、基于特征点集匹配的联合标定方法。通过实验计算重投影误差、标定时间、实际映射结果等对两种外部标定方法的精度、时效性等进行对比分析。(3)三维激光扫描仪与单目相机的分层数据融合方法研究。根据传感器系统标定的结果,建立三维激光点云与彩色图像在时间和空间上的双重配准,实现距离与图像信息的像素级融合。并进一步从特征级融合的层面上进行研究,提出一种三角网格平面法向量聚类的方法对深度图像进行特征提取,并结合色彩直方图、颜色矩等图像特征的双重匹配,提高物体识别的精度和效率,为移动机器人在目标抓取和避障方面的行为决策提供可靠保证。(4)移动机器人室内地图创建方法研究。针对单一形式的地图信息有限、无法满足移动机器人与环境深层交互的信息需求问题,提出了一种分层式室内环境地图创建方式,包括面向机器人路径规划的二维栅格地图层、基于信息融合的局部三维环境模型层和面向机器人操作任务的语义描述层。采用基于D-S证据推理的地图更新方法和基于边界的环境探索策略来创建室内环境的二维栅格地图；利用多视点下获得的三维激光深度信息的配准构建大范围室内场景的三维模型；依据对环境整体框架的空间分布和归属关系的认知,构建室内场景的语义地图。通过仿真和实际实验对上述地图创建方法的有效性和可行性进行了验证。(5)基于信息融合的移动机器人三维环境建模实验研究。构建场景信息采集、融合与三维重建实验系统,设计并完成室内场景下移动机器人彩色三维环境建模实验,实验结果证明了整个系统设计的正确性和有效性。