随着工业技术和计算机运算速度的快速发展,移动机器人的研究也得到了飞速的发展。移动机器人的研究涉及各个领域,包括智能控制技术、计算机技术、模式识别和人工智能等等,这些学科的飞速发展也促进了移动机器人的发展。同时激光测距仪,声纳,雷达,GPS等先进传感器的在移动机器人的开发上也得到了广泛应用。移动机器人的研究引起了中外学者的重视,各大高校都对移动机器人应用开展了研究,取得了很多成果。随着图像采集设备精度的提高和成本的下降,视觉传感器在机器人应用日益受到关注,基于视觉技术的移动机器人越来越多的出现。基于视觉信息的自主移动机器人的难点在于如何提高视觉系统的鲁棒性,以适应环境的变化,如何从单个摄像头获取图像信息,处理后准确恢复深度信息,以确定机器人自身位姿,如何解决该过程中的实时性问题,以实现机器人自身运动的快速性和灵活性,本文主要针对这方面进行了研究,设计了相应的方法。本文主要对移动的单个摄像头的自定位和环境特征构建进行了研究,设计了一种单目视觉定位和构建环境特征的方法。在本文中利用Harris-SIFT(Scale Invariant Feature Transform)特征提取算法提取环境特征,同时建立环境特征库,利用RANSAC(Random Sample Consensus)找出仿射矩阵,得到实时图像中特征点和特征点数据库中相应特征点的相对位置,同时结合扩展卡尔曼滤波实现摄像头的自定位和构建环境特征。文章首先对视觉问题进行了描述,接下来介绍了视觉定位关键技术和视觉定位研究状况。在此基础上引出了本文研究的重点。接下来对本文研究的关键技术进行了详细阐述,包括Harris-SIFT特征提取和匹配,卡尔曼滤波的基本原理,扩展卡尔曼滤波定位的运动模型,量测方程,特征点预测和参数更新,特征点初始化,环境特征管理。最后通过实验验证本文定位和构建环境特征方法的可行性,分析了方法存在的问题。