随着人们的生活水平及对移动机器人相关任务需求的增长,移动机器人面临着工作环境越来越复杂,工作范围越来越大的同时,能事先已知环境地图信息的情况则越来越少。因此,使移动机器人能够在完全未知的环境中进行定位及自主导航的需求越来越得到广泛的关注与重视。同步定位与地图构建(Simultaneous Localization and Mapping,简称SLAM)技术作为能够真正实现移动机器人高度智能化的基础及关键技术之一,具备在未知环境中对移动机器人进行定位,同时在此基础上构建出与环境一致的地图的特点,因而成为国内外研究人员的主要研究目标之一。视觉传感器作为一种能有效获取环境纹理、结构等信息的设备,具有获取信息丰富、质量轻、体积小、性价比较高等优点,因而被大量应用在计算机视觉及移动机器人相关领域中。本文以Kinect视觉传感器为基础,针对未知环境中的定位及构图问题进行了研究,研究了其中包含的图像帧间配准、回环检测及图优化等技术,实现了室内未知环境中Kinect运动轨迹的精确估计与环境地图的构建。课题的主要内容如下：(1)针对Kinect采集的原始图像数据存在噪声的情况,结合深度图像的数据特点研究采用双边滤波器对深度数据进行滤波处理,提高地图构建的准确性。(2)研究基于稀疏图像特征的帧间配准,估计图像帧间的相对空间运动。在介绍了常用的图像特征提取及描述方法的基础上,研究了不同的特征匹配的方法,分析了不同阈值条件下匹配结果对运动估计精度的影响。同时,为了达到更高的帧间运动估计精度,采用了一种结合RANSAC的双向PnP运动估计方法。实验证明,该方法能有效地提高帧间运动估计的精度。(3)针对相邻帧间运动误差存在累积的情况,研究回环检测技术。在介绍回环检测原理基础上,实现了基于图像帧间配准和基于图像外观信息的回环检测。通过实验,对比了是否进行回环检测情况下对最终估计的Kinect运动轨迹的影响。实验结果证明,存在回环检测环节时,能够有效地减少Kinect运动轨迹的累积误差。(4)针对如何表述Kinect位姿以及位姿间约束关系的问题,研究了基于位姿图的优化方法。介绍了图优化的理论基础,包括位姿图的构建、图优化的理论推导。使用了帧间相对运动估计的重投影均值误差作为构建边的信息矩阵的依据的方法,实验证明了该方法能有效地减少误差较大的边约束对优化结果的影响。之后介绍了使用g2o通用图优化框架进行SLAM优化问题的求解的详细步骤。(5)在前述各过程算法实现的基础上,采用公开数据集对算法的性能进行测试。分析对比算法的实时性以及精确性能。通过不断对算法相关参数的调试,使得算法在精度和速度上的表现达到预期要求。同时使用Kinect进行室内的SLAM实验,通过生成地图的效果定性衡量其估计精度的性能。