同步定位建图技术(Simultaneous Localization and Mapping,SLAM)是移动机器人实现自主控制的基础模块。具体的来说,该技术解决机器人技术中两方面的问题:其一是实现本体定位,其二是构建环境感知模型。这两个功能并非是相互独立的,而是根据自身定位结合环境感知模块实现地图创建,再通过创建的地图实现更精确的自身定位,利用数值优化算法整合传感器测量数据,实现位姿估算与地图构建的整合,为机器人系统与环境的交互提供数据支持。目前SLAM技术采用的传感器包括激光雷达、超声波和摄像头等环境感知传感器。其中视觉传感器因其具有价格低廉并能够提供更加丰富的环境信息等优点,因此得到了广泛的重视。然而基于图像特征点的传统视觉SLAM算法虽然可以通过构建环境路标的方法实现定位,但由于地图信息严重缺失,因而无法发挥视觉SLAM的优势。为了解决以上问题,本文首先搭建一个基于单目视觉系统的移动实验平台,其组成部分有机械结构、低级控制器、驱动器、姿态传感器以及单目摄像头。由于机器人平台使用了麦克纳姆轮作为平台动态运动方式,使得该机器人平台可以实现前行、横移、斜行、旋转及其组合等运动方式。为便于后期进行地图构建的坐标变换,建立了全方位运动模型。该平台中的姿态传感器只是作为检测器件存在,其数据并不应用于视觉SLAM算法,移动平台只是通过单目视觉系统实现自身的SLAM过程。其次,本文在三角测量法则的基础上提出迭代优化的单目摄像头深度信息最优估计算法。为了尽可能全面地展现环境细节,该算法针对所有具有明显纹理特征和梯度值的像素点进行帧间匹配。为了对定位精度作出分析,本文重点论述了灰度误差和标定误差对深度测量的影响。在基于图优化技术的基础上,提出了定位与制图算法,并从理论层面证明了利用该算法进行位置估计和地图构建的可行性和有效性。通过加入回环检测机制识别经历过的场景,并利用修正位置姿态估计过程中的累积误差优化地图完整性和轨迹完整性。最后,基于移动机器人平台实现实验验证,证明了构建稠密地图的SLAM法的可行性。