在移动机器人技术中,精确的传感器信息对于自动定位和有意义的导航至关重要。为了使机器人自主地执行任务,它需要获得周围环境和位置的精确信息,即定位与建图(Simultaneous localization and mapping,SLAM)。SLAM是机器人技术研究中一个非常重要的问题,通过姿态信息和视觉里程计估算机器人运动的轨迹并构建其周围环境的地图,实现在未知环境中的自主控制与导航。在SLAM中,地图构建和定位之间的相互作用至关重要:如果定位出现错误,则与现有地图中的新传感器信息将不一致,导致漂移。在基于视觉传感器定位的过程中可以根据当前帧跟前一帧的多视角几何关系,求解出相机移动过程中的姿态变化和位移,根据不同时间轴上的相机姿态信息跟图像信息之间的多视几何关系,实现室内场景三维重建。解决SLAM问题通常取决于可用的传感器信息的类型和应用场景的限制,其中激光SLAM研究比较成熟,鲁棒性好,是当前主流的导航方法;视觉SLAM由于其成本低、信息丰富、适用范围广等优点受到广泛关注,缺点是非常依赖周围环境的特征信息,切容易受环境光照影响。基于此,本文研究并设计了基于双目视觉的室内三维重建和路径规划系统,主要的研究工作如下:1.针对相机三维重建的精度依赖于相机模型精度和图像深度信息的准确性,并且受环境光线和室内环境的影响的问题。本文系统地分析了相机成像模型,并对双目相机进行参数标定和图像校正。在特征点检测与匹配过程中,提出了一种基于FLANN匹配算法和RANSAC剔除误匹配点的改进方法,能够有效提高匹配的准确率。2.针对以往三维重建过程中,数据量大、处理速度慢的问题,本文基于ORB-SALM2算法构建了搭载Nvidia TX2处理器的三维重建系统。相比使用传统的CPU,Nvidia TX2能够极大提升图像处理速度,运行效率更高,能够满足实时性的要求。3.针对在求解相机移动轨迹的过程中,耗时长,容易丢帧和误差累积的问题,本文在SGBM方法的基础上,设计了一种半全局立体匹配方法。解决了图像匹配过程中,出现的遮挡检测、亚像素精确化以及多级基线匹配等,相比全局匹配耗时更少。4.最后,本文搭建了基于麦克纳姆轮的SLAM系统实验平台,搭载了双目相机和IMU传感器,实现了双目三维重建过程,并实验了ORB-SLAM2算法实现了室内定位与路径规划,验证了系统的可行性和准确性。