室内机器人的定位与导航是机器人研究领域的关键技术之一。传统的基于超声波、红外开关、编码器等的方法仅能提供有限的数据,且无法对环境实现有效的感知。近年来,SLAM技术的发展为机器人的定位及所处环境的地图构建提供了新的解决方案。然而,实际场景中的复杂地形和各种障碍物对视觉信号的测量造成极大的影响。与此同时,视觉SLAM技术依赖于大量的图像数据和复杂的计算,使得机器人控制缺乏实时性,错误率较高,严重情况下会导致地图信息丢失。因此,利用视觉构建的SLAM系统进行机器人的实时控制与导航仍存在诸多难题。本文设计了一种基于视觉SLAM系统的精简地图快速构建方法,用于机器人在复杂室内环境下的导航。本文基于传统的RGBD-SLAM算法,将地图简化为2D栅格地图,并基于已知的地图设计独立路径搜索算法来控制机器人的导航,该方法有效的解决了复杂室内空间机器人的导航与避障问题。最终,利用实验室已有的机器人平台,本文构建了一个完整的实验系统。本文所设计的方法先建立一个前端视觉里程计模块,用于配合后端优化模块来估计机器人的未知和全局运动模块,同时拼接生成一个全局点云地图来记录机器人已经感知到的室内环境。然后结合机器人当前位姿数据,将全局点云图裁剪为机器人运动方向前方的一个较小的区域。最后,结合机器人的实际体积,将裁剪过的地图降采样为2D栅格地图。对每一个小2D区域进行特征提取和平面拟合等操作,基于这些特征构建一个高斯模型来确定最终的可穿通过性参数,从而得到了一幅可穿越性地图。相比于原始数据,最终所获得的地图数据被压缩了数个数量级,其大小仅有1500多个二维点。本文提出了一种计算可通过性参数的方法,该参数可通过模式识别的方法获取。将小区域的栅格地图拟合为一个平面,并提取平面的特征来判断可通过性参数,该方法大大简化了地图的大小和复杂程度。为验证可通过性参数的可靠性和实时性,本文分别测试了两种路径规划算法在未知环境下的导航效果。最后,本文构建了一个移动机器人平台,进行了室内平坦地面的大闭合地图实验用以验证SLAM技术的有效性,并针对不同的地形,结合履带机器人通过性强的特性进行通过和避障实验,证明了SLAM方法和可通过性地图用于复杂室内环境中轨迹规划的可行性和有效性。