移动机器人进入未知环境时,不仅要根据已知的机器人位姿建立环境地图,获取环境的空间模型,而且需要根据已获得的环境地图,确定机器人新的位姿,称为同时定位与建图(Simultaneous Localization and Mapping,SLAM)问题。本文将RGB-D信息应用于机器人视觉导航,通过随机滑动窗匹配算法,改善了自主导航算法的闭环检测过程,提高了视觉导航系统鲁棒性。首先,本文根据研究现状分析了基于视觉传感器的移动机器人自主导航发展现状,并在总结各种SLAM算法的特点的基础上,选择受认知和神经科学启发的RatSLAM作为本文的研究算法。其次,通过深入分析RatSLAM的特点,发现在大范围长时间的自主导航过程中,由于光线、季节以及场景的变化,致使图像信息发生了较大变化,单靠从单目摄像机采集的图像信息提取特征进行匹配的准确率不高,导致闭环检测算法成功率和准确率均受到限制。本文提出引入深度信息(Depth Information),结合原有的图像信息构成RGB-D信息,可以有效应对环境光线、季节的变化以及图像中的运动模糊现象给闭环检测带来的挑战,提升SLAM系统的鲁棒性。针对RGB-D信息,本文在RatSLAM闭环检测算法基础上提出了一种随机滑动窗的匹配算法,有效降低了噪声的干扰,进一步提高了闭环检测的准确率。最后,本文基于实验室的移动机器人平台进行了室内导航实验。实验结果表明,通过引入RGB-D信息,RatSLAM的闭环检测准确率和匹配率都有显著提升。