本文以RealSense R200深度相机作为外部环境传感器，对未知环境中机器人的同时定位与地图构建（Simultaneous Localization and Mapping，SLAM）问题进行理论研究和试验验证，设计并实现了一种基于RealSense的SLAM方法。本研究得到了山东省重大科技创新工程项目“云基家庭服务机器人实用化关键技术研究及其产业化”（项目编号：2017CXGC0926）的资助。论文主要完成了以下工作：　　（1）研究分析RealSense的成像原理和深度测量原理，通过搭建开发框架采集RealSense的数据，对深度图像采用双边滤波算法进行去噪和修复空洞，并对RealSense进行了标定试验，校正相机畸变并得到相机内参用于后续计算。　　（2）分析了三种特征提取算法的原理，通过试验对比三种算法的性能，选择耗时最少的ORB特征提取算法，引入了图像区域分割的方法提高特征提取的均匀度。提出了改进后的FLANN分类树特征匹配算法，加快匹配速度并剔除绝大多数误匹配，并通过试验验证了算法的实时性。　　（3）设计实现了改进后的位姿求解方法，首先通过3D-2D特征点投影求解SVD方式得到初始位姿，然后将初始位姿输入到Point-to-Plane ICP中，通过迭代最小化点到面的距离求解精准位姿，避免了常规透视N点投影法对正确特征匹配的依赖，相比常规迭代最近点方法速度更快。　　（4）使用词袋模型方法实现闭环检测环节，设计了基于时间的闭环验证方法。实现了基于图优化理论的SLAM方法，构建出两种形式地图。　　（5）设计实现SLAM程序，搭建机器人运动平台，通过采用TUM公开数据集和实时采集运行两种方式，对本文设计实现SLAM方法进行了试验验证。经验证，本文设计实现的SLAM方法能够较好的完成机器人的定位在室内环境下的定位和地图构建功能。