进入二十一世纪以来,人们对机器人智能化的要求逐步提高,利用智能机器人完成各类工作是科技发展的必然趋势。三维地图创建是移动机器人完成相应任务的前提和基础,因此构建周围环境的地图就显得尤为重要。研究者对机器人同时定位与地图创建问题的研究已经有三十多年历史,但现在仍处于实验室研究阶段,某些问题仍然没有一个公认准确的解决方案。得益于近年来传感器技术和计算机视觉领域的研究和发展,基于视觉的地图创建技术成为机器人领域的热点研究问题。本文对室内环境的三维点云地图创建问题进行了深入的分析和研究,针对室内环境的实际应用特点和现有技术的缺陷,进行了相应的技术改进。提出一种基于Kinect的室内三维点云地图创建方法,使得在较为复杂的室内环境中可较为准确、快速地获取周围环境的三维点云地图。本文主要工作包括:(1)对Kinect的硬件组成、成像原理进行了详细的阐述。利用跨平台开源框架OpenNI读取Kinect采集的RGB图片和深度图片,并通过OpenNI相关组件对图片进行预处理。进行Kinect的标定实验,获取相机内参,从而基于Kinect采集的RGB图片和深度图片生成三维点云。(2)为了获得周围环境完整的三维地图,需要将相机在不同视角下采集的数据配准到同一坐标系,求解坐标变换参数的过程被称为帧间配准。本文简要介绍了特征提取、匹配方法,并通过特征提取实验对三种特征提取算法的性能进行了比较,最终选取SURF特征作为特征提取算法。针对相关算法的缺陷,提出了一种基于离散选取机制的三维特征ICP配准算法。(3)由于帧间配准过程不可避免的存在误差,且随着三维地图创建的过程误差会逐步累积。构建以相机的位姿为节点、相邻位姿间的相对运动为边的位姿图,提出了一种基于树形结构的词袋模型闭环检测算法进一步加强位姿间的约束,在传统TF-IDF权重闭环检索方法的基础上,引入物体在三维空间中选对位置不变的性质剔除错误检测,有效地改善了闭环检测算法的感知歧义问题。并利用g2o图优化框架进行全局优化,最终获得更为精确的相机位姿,提高三维地图创建的准确性。最后为验证本文室内三维点云地图创建方法的有效性和可行性,在公共数据集和真实环境下分别进行三维地图创建实验。实验结果表明,本文算法具有良好的准确性和鲁棒性。