近年来,随着计算机信息技术日新月异的发展,自主移动机器人的相关技术也有了巨大的进步与提升。在这个过程中,SLAM(Simultaneous Localization Mapping,同步定位与建图)技术是最常用、最有效的实现机器人外界环境信息感知的技术手段之一。本课题旨在研究视觉SLAM技术在自动运输小车上的应用,为后续相关研究与应用打下基础。本文综合工程开发难度以及自动运输小车的使用环境特点,使用RGB-D相机作为主要的传感器,选择ROS系统作为小车的操作系统,采用特征点法的SLAM系统用于定位与建图的实现并针对此次应用做了相对应的调整与改进,主要有以下四个方面的工作:(1)对小车的特征提取部分进行了调整与改进。针对ORB算法未能有效解决尺度不变性、关键点提取不均匀的问题,分别对图像进行改进的尺度空间构建和双阈值网格化处理。采用改进的尺度空间构建方式使ORB算法具有了一定的尺度不变性,并且减少了所需图像金字塔的层数,对图像使用两个阈值对图像进行关键点检测以确保不同区域都能够提取到足够的关键点,再对图像网格化筛选使得提取到的关键点分布更加均匀。(2)对小车的建图功能进行了调整与改进,选择并构建合适的导航地图。针对原ORB-SLAM系统建立的是稀疏点云地图,无法直接用于小车的避障和路径规划的问题。本文采用点云拼接的方式,构建出外界环境的半稠密地图,改进后的半稠密建图可提供更加有效的环境信息。但点云地图仍然无法有效用于路径规划,本文采用Octomap的方式实现了将点云转为三维占据栅格地图,再利用垂直投影的方式构建出二维占据栅格地图。(3)完成了基于嵌入式的自动运输小车设计。对车载数据处理端、运动控制端以及电机驱动部分的电路原理设计,并对使用的麦克纳姆轮进行了运动分析,由此指导运动控制端对电机进行控制实现对应的多向运动,并使用增量PID实现电机闭环的控制。(4)对小车的图像特征匹配、建图与轨迹以及路径规划进行了实验。实验使用了数据集测试以及实际场地测试的方式,测试了半稠密建图的功能并借助evo工具得到了轨迹误差。实验结果显示,本文所使用的SLAM算法构建出的二维占据栅格地图的最大误差绝对值为0.12m,最大相对误差为7.1%。轨迹的平均绝对轨迹误差为0.072m,平均相对位姿误差为0.013m。经验证利用A*算法在构建出的二维栅格地图上能够实现基本的避障与点到点的路径规划功能。