移动机器人同步定位和地图构建的研究,对机器人实现全自主运动有着重要的研究意义。近些年来,随着传感器技术的不断发展,深度图像的获取更加便捷,使得基于RGB-D的SLAM技术受到研究者的广泛关注。本文从实际出发,结合SLAM技术的研究现状,对视觉SLAM算法中的不同的单目视觉SLAM算法进行了对比,并对RGB-D SLAM算法进行了分析与介绍。在此基础上,提出了结合单目视觉的RGB-D SLAM方法,并对其进行了扩展,使得其可以在云机器人环境下运行。本文的主要研究成果如下:(1)、针对大环境下的RGB-D SLAM方法中,深度相机无法获取深度信息,以及相机快速移动过程中深度信息获取不全的问题,本文提出了一种结合单目视觉的RGB-D SLAM算法。算法结合单目视觉和RGB-D深度视觉的不同优点,先对RGB-D相机获取的RGB图像进行特征提取,并对特征点的深度信息进行检测与统计,判断出深度信息的获取是否完整。然后,通过一个选择控制机制,在无法获取深度信息以及深度信息获取不完全的情况下,利用单目视觉SLAM方法构建单目局部地图;在获取深度信息充足的时候直接利用RGB-D SLAM方法构建RGB-D局部地图。最后对构建好的单目局部地图和RGB-D局部地图进行三维地图的拼接与融合,构建出全局最优地图。该方法使得深度相机有更广阔的适用空间,不仅仅局限于狭窄的室内环境,还可以扩展到宽敞的室内大场景中。同时使用该方法,可以提高RGB-D SLAM方法的稳定性,使机器人在大场景环境下,可以更快速的构建出全局最优地图。(2)、在上述研究的基础上,利用云计算技术,将地图构建中复杂而又费时的优化和计算任务分配至云端运行,而实时性要求比较高的跟踪任务则分配在本地机器人上运行。工作过程中,机器人客户端通过标准的无线网络向云服务端发送关键帧,并结合本地次优地图完成跟踪任务;云服务端在接收到关键帧之后构建全局地图,并对地图进行优化与融合,最后将构建好的全局地图发送至机器人客户端。结合云计算的RGB-D SLAM算法不仅可以提高SLAM的工作效率,还可以降低机器人负载,缩小机器人体积,使机器人可以运用在更复杂的环境当中。