在全球老年化趋势不断增长的情况下,服务机器人可以辅助完成一些日常生活需求,甚至可能代替人类去照顾老年人,从而缓解人口老龄化带来的负面影响。即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术作为服务机器人的核心技术,一直是该领域的研究热点。本文首先介绍服务机器人以及其核心SLAM技术的国内外研究现状,然后针对室内服务机器人的SLAM问题,使用单目相机与惯性传感器,完成了室内地图的构建,完成机器人的定位与运动轨迹的跟踪。论文的主要研究内容如下:1、使用MARG(Magnetic,Angular rate and Gravity,MARG)传感器完成室内服务机器人的定位与跟踪。为提高机器人运动轨迹定位与跟踪的精度,在加速度计和陀螺仪的基础上融合三轴磁力计,组成MARG传感器作为惯性传感单元。引入PI控制(Proportional Integral Controller,PI)算法,利用陀螺仪计算出的姿态矩阵,对加速度计和磁力计测量值进行坐标系转换。转换时产生的转换误差,可以用来修正姿态矩阵,从而提高整体的定位精度。最终实验结果表明平均定位误差约在4.96%。2、通过在服务机器人上搭建单目相机,利用视觉SLAM技术,完成对室内地图的三维重建。首先,利用搭建在服务机器人上的单目相机,采集机器人运动过程中的周围室内环境图像;然后,通过特征点提取与匹配算法获取相邻两帧图像中相同的特征点,并利用特征点之间的匹配关系求解出相邻两帧之间相机的运动变换关系;最后,结合三角测量法求解出特征点的空间三维坐标,再利用求解出的三维空间点构建稀疏的室内场景点云地图。3、初步研究视觉SLAM与惯性传感器数据融合的VINS-Mono(Monocular Visual-Inertial System,VINS)系统。首先,介绍VINS-Mono系统的组成模块以及各模块的作用;然后,针对该系统提出在视觉SLAM模块中使用图优化算法进行预处理,以对初始阶段通过相机估计出的位姿信息进行修正处理;最后,针对系统修改前后在测试数据集和实际采集的数据下,分别进行仿真对比。仿真结果表明小场景和大场景数据集下平均定位误差仅为4.67%和5.32%,而对于实际采集的机器人运动数据本文算法下的估计轨迹,更加接近实际运动轨迹,整个系统定位精度高、鲁棒性强。