自主移动机器人是集机械设计、电路分析、传感器技术以及软件算法为一体的高技术集成产品。近几年伴随着人工智能技术的快速发展与国家智慧产业规划的积极推动,移动机器人已被广泛应用于制造、医疗以及服务业等场景。高度定制化的人工智能算法对于这类移动机器人智能化程度的重要性不言而喻。同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法在自主移动机器人智能算法中扮演着重要角色,它将机器人采集的传感信息进行算法融合,实现机器人实时定位输出与环境地图构建。根据传感器不同SLAM算法可分为激光SLAM与视觉SLAM(visual SLAM,vSLAM)。视觉方案相较于激光方案具有硬件成本低、信息维度丰富、传感器易安装等优点,因而更具环境感知潜能。传统视觉SLAM方法是需要人为参与的被动感知方式,造成了其应用场景上的局限性,如无法应对无人巡检、室内救援以及无人清洁等完全无人化环境。基于自主探索策略的主动式视觉SLAM可以实现机器人在无人化未知环境中的定位与主动地图构建。论文结合主动式视觉SLAM的智能性和RGB-D相机的感知优势,开展基于室内RGB-D视觉定位的自主移动机器人主动地图构建与导航避障研究。主要研究内容和创新点包括:(1)提出一种基于图优化的轮式里程计与视觉融合SLAM方法。视觉SLAM将输入的视觉信息转为定位信息与环境地图信息,而鲁棒与准确的定位信息输出是保证系统持续稳定运行的前提条件,也是影响环境地图准确性的主要因素。相较于已有的融合轮式里程计信息的视觉SLAM方法,论文提出了一种基于图优化的相机安装位姿在线估计方法,并用于轮式里程计与视觉的融合SLAM方法,克服了已有方法要求相机与底盘安装参数预标定结果的使用前提。通过提取地平面特征以及特征点匹配,利用图优化方法构建平面约束与匹配点约束,在线估计出相机的安装位姿,用于后端位姿优化中的里程计约束构建过程,达到融合轮式里程计信息的目的并提升视觉定位性能。最后使用实地采集数据验证了论文方法的有效性。(2)提出一种基于图像形态学的物体延边绕行的主动探索导航路径生成方法。针对非绝对式的视觉定位信息长时间运行产生的累计误差,视觉SLAM中的闭环优化可有效消除累计误差。鉴于传统的被动式视觉SLAM方法中,闭环过程需要借助操作人员的主观常识得以进行,而已有主动式探索策略方法又往往是提供已知区域中的探索路径或者导航点作为探索指引信息,其结果产生的回访式运行轨迹往往不能完全满足“环状”要求,不利用优化计算,同时不一致的图像视角也不利于闭环检测的触发。所以论文提出一种基于图像形态学处理的物体延边绕行主动探索策略,通过指引机器人向着已知地图与未知地图边界方向运行的同时绕行环境中的实例物体,提高地图覆盖率并主动产生有效的闭环优化。最后在仿真环境下验证了该策略的有效性。(3)提出一种基于改进多层代价图的自主导航与避障方法。导航与避障方法决定了机器人的控制自主性与运行安全性,基于多层代价图的导航与避障方法存在动态障碍物避障不佳的问题,而已有的改进方法存在适应差,调参困难的问题。所以论文提出了一种融合动态障碍物速度信息的改进多层代价图方法,通过动态障碍物提取与追踪、修改核心代价计算算法,生成一幅改进代价图,用于后续的全局与局部路径规划,实现了动态障碍物的预判性避障效果。同时针对已有导航框架,论文新增了路径重规划机制,提高了避障路径的实时准确性。最终通过实验验证了论文方法对于导航避障性能的提升。