移动机器人探索未知区域的能力意义重大,近年来的无人驾驶、导航运输以及国家重点发展的星际探索等领域都离不开移动机器人的三维地图构建。而视觉传感器的图像信息丰富、价格低廉,有利于构建精密地图。本文的研究内容在于,用视觉SLAM（Simultaneous Localization and Mapping）技术构建良好的三维稠密地图,并应用于移动机器人上工作,具体研究内容如下:首先,对移动机器人现状和视觉SLAM建图展开了研究,以双目摄像头为数据采集核心,基于ORB-SLAM2框架完成了三维稠密建图流程设计,搭建了面向移动机器人的三维场景重建系统。其次,针对传统立体匹配算法的视差获取,双目相机获取视差图有着易受侵扰,在视差不连续和弱纹理区域的视差精度不高的问题,提出了一种新的基于自主改进的Census变换与色彩信息和梯度测度相结合的匹配算法,以此获得高精度视差。用改进的Census等三特性融合提高初始匹配代价鲁棒性,以最小生成树进行多尺度聚合,并以亚像素增强等优化视差,最终得到高精度视差,保证三维点云的精度。再者,分析了视觉SLAM中前端视觉里程计的图像特征点匹配算法,针对传统ORB（Oriented Fast and Rotated Bried）的尺度及旋转性匹配误差大,而在剔除误匹配上渐进一致采样RROSAC（PROgressive SAmple Consensus）耗时长、算法不稳定等问题做出改进,提出了一种优化ORB与改进PROSAC相结合的快速特征匹配算法。在ORB的描述子方面,把三像素块采样方法LATCH和MCT（Modified Census Transform）结合,提高了相似度测量的可靠性;并用图像分块的方法加快PROSAC的精匹配速度。实验通过网络、相机采集和标准图像验证了改进算法的精度,证明了算法的有效性和鲁棒性。最后,研究了两轮平衡机理,搭建了自主研发的两轮自平衡机器人。通过Eu Roc、KITTI标准数据集的算法对比测试、仿真场景三维建图,以及在两轮机器人上运行的三维稠密建图实验,结果表明,本系统算法的定位精度高,在三维场景稠密建图中物体的轮廓信息保留良好,有较好的建图能力。另外,针对三维点云地图占用内存过大的问题,把八叉树建图模块加入了稠密建图环节,大大降低了建图占用的内存,提高了建图规模和效率,使得系统的实用性更强。