经济社会的不断进步,使得与人类生活密切相关的室内机器人行业飞速发展。作为机器人领域核心问题,SLAM(同步定位与建图)技术受到了学者们广泛关注。而在室内环境所采用的深度相机传感器,以价格和功能兼顾等优势,让深度相机V-SLAM(视觉SLAM)技术问题成为研究热点。为了解决深度相机V-SLAM现有技术存在的一些问题,本文对深度相机数据采集和深度图像修复、关键帧提取及回环检测、V-SLAM稠密建图与优化等关键问题及方法展开了研究,并将其应用于实际室内场景,对本文所研究的技术方法进行了实验分析与验证。本文的主要工作如下:(1)针对深度相机传感器模型和数据采集的问题,本文设计了一种适用于Kinect v1的图像数据采集方法。首先,阐述了深度相机Kinect v1的针孔相机模型,对相机空间点的坐标转换和数学建模进行论述,引出相机的标定参数,并使用张氏标定法(棋盘法)对Kinect v1进行了标定。随后,对图像在计算机图形学中的表示进行了详细说明,在Windows平台上利用Kinect开发包和MATLAB图像处理工具,完成了室内环境的V-SLAM数据采集与转换。(2)针对V-SLAM输入数据的噪声及去除的问题,本文提出了一套深度图像增强方法流程。首先,对深度图像噪声成因进行分析和归纳,在FMM(快速行进算法)算法上进行改进,利用图像的反阈值二值化方法生成修复掩膜。接着,结合邻域估计对深度图空洞进行修复。然后,采用基于中值滤波的图像平滑方法,对深度图边缘噪声作进一步的处理。最后,通过对修复后的图像进行质量评估,验证本文方法能够将深度图质量提升17.1%。(3)针对V-SLAM运动估计的准确率和效率问题,本文采用了ORB特征算子,进行彩色图像的特征提取与配准。在V-SLAM后端模块关键问题处理上,设计了一种基于特征相关性的关键帧筛选方法,对V-SLAM图像关键帧进行选取,以提高系统的运行效率和建图质量。最后,研究了一种基于ORB特征词袋的回环检测方法,并与词袋模型DBoW库进行了回环检测的对比实验,实验证明自行训练的词袋模型用于回环检测具有良好的可靠性和鲁棒性。(4)针对室内环境下V-SLAM的稠密建图问题,设计了一种深度相机V-SLAM的稠密建图方法。首先,应用本文关键帧选择机制,通过关键帧点云拼接实现三维稠密地图的构建。其次,采用了一种点云滤波优化方法,以去除地图中噪声和冗余,并最终将点云图转换为八叉树(3D OctoMap)地图。最后,在著名的TUM数据集以及实际室内环境场景下,将所提出的建图方法进行实验,结果验证了所提方法能够去除10%左右的冗余点云,同时建图的帧率比RGB-D SLAM v2提高了26.1%,说明方法能够清晰、高效地实现稠密地图构建。