在科技发展的推动下,机器人走进我们的生活,不管什么用途的机器人,只要需要自主移动就需要移动机器人对周围环境的智能感知能力,需要实时知道自己的所在位置,同时定位与建图（简称SLAM）技术应运而生。视觉SLAM技术可以搭载不同的视觉传感器,目前应用比较多的是双目相机,根据对图像的不同处理方式,目前研究比较多的是视觉SLAM特征点法,视觉SLAM特征点法的关键问题在于准确性、实时性以及对于白墙等纹理性差环境的适应能力,针对这些核心问题,本文基于目前的主流视觉SLAM算法ORB-SLAM2,采用双目相机对视觉SLAM系统展开了研究应用,主要研究内容包括:对视觉同时定位与建图技术的整体学习研究:对双目相机成像模型、原理的学习,掌握相机坐标变换,对张正友标定法的学习并应用于双目相机的标定获取内参及对图像畸变校正,对ORB-SLAM2算法的每一部分内容进行深入学习研究,将算法移植到移动机器人上实际应用,对环境建立稀疏点云地图,利用回环检测功能消除累积误差。针对算法定位精度低的问题,同时结合在实际应用时的图像旋转性问题,本文提出改进的ORB特征描述子点对排列方式,并在实际环境下进行测试,结果表明,改进后的算法特征匹配正确率在实际环境的测试下提升了 33.72%,定位精度提高了 0.09%。针对算法处理速度慢,为了提高算法处理速度、达到实时性要求,本文提出一种基于 CUDA（Compute Unified Device Architecture,统一计算设备架构）的加速方法,对算法的耗时部分-特征提取匹配部分进行并行化处理,充分利用了 GPU的高计算性能,实验结果表明,加速后的算法较原始算法在实际实验环境测试下特征提取速度上提升了 65.3%,特征匹配速度上提升了 86.4%。充分利用视觉里程计及ORB-SLAM2算法的思想,本文提出一种基于无共视区域的多双目相机之间位置关系的标定方法,解决了多双目相机之间初始位置关系的问题,便于后续多双目系统得到一致的环境地图,实验证明标定方法简单可行。针对在白墙或纹理性差的区域下,相机提取不到足够的特征点导致建图定位失败现象,本文在ORB-SLAM2算法的基础之上提出多双目视觉SLAM系统,通过多个双目相机以不同角度的摆放从而获得更大视野的环境信息,在一个相机面对白墙时另外的相机可以提取到环境特征继续工作,解决了这一问题,同时因为多个双目相机获得的信息更加丰富,使得移动机器人建图效果更好,进而定位精度提高,实验结果表明,多双目系统的定位精度提高。