随着人工智能与传感器技术的发展,搭载视觉传感器的移动机器人不断涌现。然而,面对室内复杂的环境信息,移动机器人利用深度相机进行自主导航会面临以下几个问题:一是如何利用深度相机进行定位并构建导航所需地图;二是基于栅格地图的全局路径规划效率问题;三是如何在室内的动态环境中对行人进行避障。针对这些问题,本文从以下几个方面展开研究:首先,分析了视觉相关的四个坐标系及其相互转换关系,构建了Kinect v2相机模型,以彩色图像与深度图像联合对齐方式获取环境的三维数据,并对相机的畸变校正原理进行了分析,为移动机器人的定位与导航系统提供了理论基础。其次,研究了视觉ORB SLAM2经典框架,对其涉及到的视觉里程计、关键帧选取策略、回环检测以及位姿优化算法进行了详细分析。针对经典的ORB SLAM2框架只维护稀疏点云地图而无法适用于导航的问题,拓展了该算法的框架,利用八叉树结构完成实时Octomap地图构建,清晰地描述了三维环境中的空闲与占据状态。在斜投影的方式下,为移动机器人提供包含一定高度障碍物信息的二维栅格地图,提高了ORB SLAM2在移动机器人系统中的易用性。再次,在二维栅格地图的基础上,针对传统的A*算法在进行全局路径查找时冗余点多、搜索效率低等问题,研究了JPS算法在跳点搜索理论下对A*算法的优化策略。为进一步提高路径搜索的速度,改进传统的双向搜索策略,并基于此提出了双向同步JPS搜索算法,提高了JPS算法在复杂地图中的规划效率。然后,针对传统的局部路径规划算法普遍存在着未考虑较远时序上路径的选择问题,本文在室内环境下,针对行人设计了融合行人轨迹信息的动态避障系统。主要是在Kinect v2相机所感知的范围内,利用Yolo v3-Deep Sort深度学习网络对行人进行检测与跟踪,在已知的行人轨迹信息情况下,预测其下一周期的位置。根据本文改进的滚动窗口法的避障策略,选择性地将预测的行人信息更新到多层代价地图中,以供DWA算法进行预判,提高动态避障效果。最后,在室内环境中利用三轮全向移动机器人平台进行地图构建与导航性能测试,验证本文提出的相关算法。实验结果表明,本文所提出的地图构建与导航算法能够在实际环境中良好运行,达到预期目标。