现代科技日新月异,使得机器人技术得到了极大的发展。移动巡检机器人在融合了外部感知、自动运行和避障等多种智能化技术,逐渐成为人们日常生活和工作中的得力助手。本文以巡检机器人为载体,利用单目相机来感知外部环境,基于机器人操作系统,开发了优化后视觉SLAM和路径规划算法,并对提出的算法进行相关验证。主要研究内容如下:1、分析了当前机器人的发展现状以及现实重要意义,结合移动巡检机器人国内外研究现状,提出了本课题的研究内容,重点针对视觉SLAM技术和路径规划技术进行研究。2、提出视觉SLAM的整体基本框架,分析了所需用到的硬件,以及视觉里程计、后端优化的原理和运行中所起到的作用。为构建高精度的地图,引入了回环检测。最后对针对常见的一些地图做深入研究和比较分析。3、单目视觉里程计整体方案设计与后端优化。根据常见的特征提取以及匹配方法,通过对比最终选取ORB特征点。采用选择策略来处理关键帧,不仅降低了计算量,而且保证对位姿跟踪;基于词袋模型,使回环检测准确性更高,提高了地图精度。基于两种优化方案滤波器法和非线性优化法,提出从局部到全局及回环的后端优化,进一步改善地图精度。4、提出一种适用于机器人路径规划的改进遗传算法。在初始化总群时,通过选择中点的相邻点扩大选择范围确保线路连续;通过种群适应度函数改进路径平滑度防止转向次数过多;为了防止遗传算法陷入局部最优解,通过轮盘赌的方法确保一部分非最优个体;在优化后的遗传算法基础上根据优先级顺序,并结合提出的时间窗模型,对冲突类型进行分类处理并制定对应的协调方案。结果表明路径运算时间、冲突协调等性能都有很大的改善。最后搭建巡检机器人实验平台,针对多场景进行验证和分析。实验结果表明移动巡检机器人能够有效的对不同场景进行建图,二维平面地图清晰,根据设定的巡检任务,通过路径规划算法生成路径,可以有效的避开静态和动态的障碍物,并完成所设定的巡检任务。