随着计算机技术的发展,基于视觉的同时定位与地图构建(Simultaneous Location and Mapping,SLAM)已成为智能室内移动机器人中的关键技术,采用低成本RGB-D传感器作为室内移动机器人环境感知已经成为热门研究方向。尽管这项技术已经研究多年,但目前仍然面临诸多挑战。对此,本文对基于视觉SLAM的室内建图和路径规划方法进行深入研究,设计了一个“室内建图+路径规划”的视觉SLAM系统,并通过实验验证其有效性。本文具体工作如下:(1)针对相机位姿估计不准确的问题,给出了一种基于稀疏特征点和稠密像素点联合位姿优化方法。该方法利用尺度不变特征变换(Scale-Invariant Feature Tranform,SIFT)的特征点描述子进行帧块间的稀疏特征点匹配,然后再计算匹配点对的欧几里德距离,结合帧块间的稠密像素点的亮度差和平面距离,通过高斯牛顿法分块优化相机的位姿。实验结果表明,本文给出了的联合位姿优化方法在整体上的稳定性及精确度都要优于迭代最近点(Iterative Closest Point,ICP)算法。(2)针对全局一致的点云模型存在信息冗余、地图重影等问题,给出了一种基于截断符号距离函数(Truncated Signed Distance Function,TSDF)的点云融合方法。该方法采用截断符号距离函数,通过点云的加权融合和加权分离的方法来提升室内重建场景的质量,克服了错误位姿导致室内点云有重影的情况。通过在STANFORD室内数据集上,验证了给出方法的可行性。(3)传统路径搜索算法不能满足移动小车行进过程中的安全性和运动可行性的需求,给出了一种基于均匀B样条曲线的移动小车路径规划方法。前端采用运动学路径搜索方法,在离散化的控制空间中寻找一条无碰撞的初始路径。后端利用均匀B样条曲线的凸包性质,将障碍物的距离信息和移动小车的运动约束有效地结合在一起,通过软约束方法优化初始路径的光滑度和安全性。最后,采用重新规划路径机制,使得移动小车能够在动态环境下找到一条安全的路径。实验结果表明:在各种复杂的仿真环境中,该方法具有良好的安全性和运动可行性。