移动机器人要达到更高的自主性和适应性,就必需要能够在未知的环境中实现自主导航。而实现自主导航的关键技术是移动机器人的同步定位与建图(SLAM,Simultaneous Localization And Mapping),即机器人在未知环境中移动的同时能够根据自身所携带的传感器来进行定位,并不断的在移动的过程中去创建增量式的地图。在目前的SLAM研究中主要根据机器人所使用传感器种类的不同分为:激光SLAM和视觉SLAM。激光SLAM使用激光作为机器人的传感器,它具有建图精度高、实时性好,但信息量少、累计误差大、只能检测安装平面上的障碍物。视觉SLAM使用相机作为传感器,它能获取丰富的环境信息,但其建图精度低,同时由于大量的RGB信息需要处理导致其实时性差,极易受环境和光线的影响。因此,使用单一的传感器来进行SLAM研究存在着各种缺陷,难以在实际的应用中创建出精度高、信息完整的地图。针对以上单一传感器所存在的各种缺陷,本文提出一种方案来将这两种传感器进行融合,利用融合之后的数据来创建更加精确、完整的环境地图。该方法首先利用中值滤波的原理将Kinect所采集的深度图进行完整性修复,填补其中所缺失的信息部分信息。然后将修复后的深度图转换成伪激光数据后,与激光传感器所采集的信息进行融合,利用融合的信息来构建环境的局部栅格地图。然后再利用融合的数据来进行激光回环检测,当检测到有回环存在时,再用Kinect的RGB图丰富的视觉信息来进行视觉回环校验。通过双回环检测来过滤掉错误的回环信息,在提高了全局地图的精度和完整性的同时,也避免了大量的视觉信息参与建图所带来的实时性差等问题。最后本文分别通过利用公开的数据集和在自行搭建的实验环境下,使用机器人操作系统(ROS,Robot Operating System)来进行单一的激光传感器、单一的Kinect传感器、以及这两种传感器所融合的方式来进行SLAM实验,以验证本文所提出的多传感器融合方案的可行性。实验结果表明,使用两种传感器融合的方式所创建的环境地图,在精度和完整性上都比单一传感器有更大的优势。