在机器人研究领域,使移动机器人具有更高的智能化水平在今后的实际生活中显得越来越重要。SLAM技术是移动机器人未来走向智能化的基础,使用多个传感器进行SLAM才是日后的发展趋势。为此,本课题致力于研究使用多传感器构建用于自主路径规划的栅格地图,并改进视觉SLAM系统用于构建三维稠密点云地图,为机器人在稠密地图中进行自主导航奠定基础。搭建多传感器检测系统。使用传统的二维激光雷达和近几年逐渐兴起的RGB-D传感器一同作为移动机器人构建地图的主传感器,两种传感器同时采集周围环境数据,将采集到的数据同时使用Gmapping-SLAM算法框架构建环境的栅格地图,再使用贝叶斯概率模型进行数据融合,得到最后的结果。在仿真环境Gazebo中进行仿真对比实验发现,使用多传感器检测系统相比于传统的只使用激光雷达构建出来的栅格地图更精确,信息更丰富,更适合移动机器人进行自主路径规划。为后续进一步添加其他传感器数据构建更精确的地图奠定了基础。构建环境的三维稠密点云地图。在本文算法框架中添加了一个构建稠密点云地图的线程,让本文的算法框架可以在硬件平台上实时构建稠密点云地图。使用TUM数据集中验证本文使用的ORB特征点和本文提出的SLAM算法,结果证实了本文算法的有效性,本文所改进后的SLAM系统为移动机器人在陌生环境中实现自主导航提供了前提条件。在仿真环境和实际场景中进行实验验证。对实验所使用的软件框架机器人操作系统的工作机理和核心概念做了简要介绍,使用这种分布式软件框架可以大大提高计算速度。在公开数据集上对传统特征点以及本文所使用的ORB特征点分别进行提取实验,经过对比发现ORB特征点提取速度最快、分布最均匀,具备实时构建稠密地图的能力。搭建实验环境,让移动机器人实验平台在搭建好的环境中运行本文的SLAM系统,并与传统的算法进行对比,证实了本文算法具有更好的回环检测特性,并且构建出来的地图精确度更高。