同时定位与建图(SLAM)对机器人实现自主导航任务有重要的研究意义。本文在基于视觉SLAM的三维地图构建及应用方面做的研究如下:针对目前在移动机器人领域主要构建二维地图,无法在复杂的室内场景下获取比如门、桌子、椅子、线缆等物体的三维信息,进而影响导航任务的问题,本文采用RGB-D SLAM估测机器人位姿的同时构建出周围环境的OctoMap地图。针对原始的OctoMap地图中由于噪声等因素的影响存在离群点的问题,本文提出基于K-最近邻和高斯分布的离群点剔除算法剔除地图中的离群点,从而构建出更加精确的OctoMap地图,为机器人的精确导航奠定基础。本文用TurtleBot机器人在实验室和走廊环境中使用提出的基于K-最近邻和高斯分布的离群点剔除算法构建出OctoMap地图,与原始算法构建的OctoMap地图相比,本文算法可以有效剔除影响导航任务的离群点,得到更加精确的OctoMap 地图。针对经典的单目SLAM方案:ORB-SLAM,在构建三维点云地图过程中通过直接线性三角化算法求取地图点不够精确的问题,本文提出使用迭代三角化算法,求取出更加精确的地图点,从而为ORB-SLAM建立更加精确的地图以及应用于机器人的三维导航奠定基础。实验采用TUM和KITTI数据集,基于ORB-SLAM使用本文迭代三角化算法求取出的地图点,与直接线性三角化算法求取结果相比,获得的地图点的重投影误差更小。此外在实验室场景用OptiTrack系统记录了单目相机的真实轨迹和静态标记点的真实位置,将本文算法和原始算法估测出的地图点的三维坐标和OptiTrack系统记录的真实坐标进行对比,进一步证明了本文提出的迭代三角化算法估计出的地图点位置误差更小,地图点更加精确。