同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）是一种估计运动位姿并同时构建周围环境地图的方法,是移动机器人技术研究的关键问题。基于深度视觉的室内SLAM依据构建地图维度可分为二维SLAM和三维SLAM。目前二维SLAM对深度图像误差的影响考虑较少,环境地图的构建精度较低;三维SLAM在结构化的欠纹理环境中大多只利用了点特征,定位精度不足。本文基于伪激光数据生成原理提出了一种改进零值点决策滤波的深度图像修复算法,然后利用改进的伪激光数据搭建出二维SLAM系统,提高了环境地图的构建精度。在三维SLAM中提出了点线特征综合的特征检测算法,并基于此逐步实现系统的搭建,改善了定位精度。主要研究内容如下:首先,基于深度视觉的SLAM系统架构研究。依据SLAM系统架构,对深度相机的特性进行分析对比并确立选型。SLAM前端对比了位姿描述的三种方式并给出应用范围。SLAM后端则先分析SLAM的问题模型,再对非线性优化的基础理论进行推导。最后,基于所需的系统平台完成对系统架构的搭建。其次,基于改进伪激光数据的室内二维视觉SLAM研究。基于平面标定法对深度相机进行标定,并分析传统的伪激光数据生成方法。针对深度图像的空洞区域,先确定修复域,再提出改进零值点决策滤波的修复算法,将改进生成后的伪激光数据应用于Gmapping算法,构建环境的二维栅格地图。再次,基于点线特征的室内三维视觉SLAM研究。SLAM前端中,提取图像中的ORB点特征,以特征数量阈值作为增加改进LSD线特征的条件。采用随机采样一致算法剔除错误匹配,并根据匹配关系推导出重投影误差模型和雅克比矩阵的解析形式。SLAM后端中,确立关键帧选取方法,综合闭环检测理论构建位姿图优化模型得到全局一致轨迹,同时重建环境的三维地图。最后,基于深度视觉的室内SLAM实验研究。在真实环境下进行本文二维SLAM系统的对比实验,通过放置不同条件的物体验证系统的地图构建精度。选择ORBSLAM2作为本文三维SLAM系统的对照,在ICL＿NUIM数据集下进行多组对比实验,验证三维SLAM系统的定位精度,最后在真实环境下的进行实验研究,实现地图构建功能。