近年来，基于视觉系统的3D地图创建受到了研究人员的日益关注。移动机器人需要在未知的室内环境中进行工作，就必须明确周围空间的环境表示方法，本文提出了一种基于改进视觉里程计和树网络结构的室内3D地图创建及优化方法。方法包括：视觉特征的提取描述和匹配跟踪；3D地图的关联创建；闭环检测与地图优化。首先，本文研究了3D地图创建前的视觉系统相关技术，包括摄像机的成像模型及其原理；视觉特征处理模块中采用SURF算子对采集到多帧RGB图像进行稳定的特征点提取和匹配；对Kinect采集的图像信息和深度信息进行融合，加载点云库（PCL）进行三维地图的映射显示。其次，针对3D地图中的数据关联匹配问题，提出了一种基于改进视觉里程计方法的3D数据匹配算法。关联视觉三维信息模型，使用里程计中的六个自由度来表示转换矩阵，利用刚体转换的非结合代数以及图片一致性最大化来参与计算，通过能量方程的线性化来评价配准结果，提高数据融合的成功率，能够有效实时地进行点云数据配准，实现室内环境3D地图增量式实时创建。最后，实现全局3D地图优化创建。针对彩色图像和深度信息标定的问题，采用校正失真的公式模型，更正采集的RGB图像和深度图的对应关系以减小数据前期误差，从而有利于后期数据的融合处理；提出室内环境下单目视觉3D地图的闭环检测算法，方法包括：采用BoVW建模和贝叶斯滤波法相结合来对历史的闭环检测进行跟踪，实现当前图像和历史图像的数据关联，一旦检测到闭环，通过基于树结构的网络优化方法对新的约束条件进行地图优化，实现3D地图的闭合显示，最终创建出室内环境中全局闭合的3D地图。