同步定位和建图(Simultaneous Localization and Mapping,SLAM)是实现移动机器人完全自主移动的关键,而迎宾机器人在未知室内环境下的智能化发展需要SLAM技术支撑。微软开发的Kinect相机可以同时获取环境的彩色图像与深度数据,相比传统的相机,具有价格低廉和信息丰富等优点,而且可以获取带有纹理色彩的三维环境地图,有明显的优势与应用前景。本文以实验室迎宾机器人为平台,针对未知室内环境下的迎宾机器人的应用需求,对基于Kinect相机的视觉SLAM系统展开研究。视觉SLAM系统主要包括Kinect相机数据读取、前端视觉里程计、后端非线性优化、回环检测和建图几个步骤,本文主要研究了以下内容:(1)研究Kinect V1相机的深度测量原理和图像获取方法,利用张正友标定法对Kinect进行标定,获取内外参数。通过改进的双边滤波器对获取的RGB图像和深度图像进行图像去噪,进而得到单帧图像粗糙的3D点云图。(2)对SIFT、SURF、ORB进行比较,实验验证了 ORB算法的高效实时性。接着结合ORB算法对剔除误匹配算法进行了改进,实验结果表明改进后的算法匹配剔除效率更高,效果更好。(3)针对传统ICP算法的缺点,采用了一种基于法向空间采样和K-D tree改进的ICP算法,由实验可知改进算法的高效性。(4)利用改进的算法进行实验,通过Kinect V1相机采集多帧图像,完成一个视觉里程计,并进行g2o后端优化与回环检测,利用八叉树结构对三维点云地图进行多分辨率存储,有效减少了点云图所占存储空间。本文在 Ubuntu16.04 的编程环境下,利用 OpenNI、cmake 3.5.1、OpenCV 2.4.9、PCL 1.7.2、g2o和octomap等软件,结合各种算法,利用迎宾机器人完成了整个视觉SLAM系统,实验验证该系统的有效性和高效性,对研究迎宾机器人避障导航有重大意义,有利于提高迎宾机器人的应用与推广。