移动机器人的定位与建图属于机器人底层平台建设,是其他诸如物流、清扫等上层应用的基础,具有极高的研究价值和广泛的应用前景。本文主要研究了移动机器人在室内类似走廊结构的环境中运动时的位姿估计方法,本文的创新性在于设计了两种平面检测方法,并通过检测、解析环境中的平面结构,利用曼哈顿世界的约束,提出了一种新颖的视觉里程计方法。本文通过大量的实验,绘制了机器人的运动轨迹,同时构建了机器人所处环境的三维模型,证明了本文提出的方法具有良好且稳定的性能。本文的贡献点主要集中在三个方面:1.本文搭建了机器人运动和控制平台,为机器人搭载了相关的传感器和计算设备,并对RGB-D相机完成了内参、外参和深度偏移的标定,得到了良好的深度测量结果和RGB图像与深度图像的准确配准。本文使用搭载了RGB-D相机的移动机器人采集了大量的实验数据,并且收集了部分论文公开的数据,对这些数据进行了一定的预处理,以便于后续对算法进行分析。2.为了充分利用平面结构进行机器人位姿估计,我们需要对场景中的平面进行分割,我们提出了两种平面分割的方法:1)第一种方法基于颜色的梯度变化,将彩色图像的分割结果作为先验信息,来加速三维点云中的平面分割结果;2)第二种方法只使用深度图像,提出了一种基于视差统计直方图的快速平面分割方法,此方法通过在水平和垂直直方图中检测线段,间接地提取环境中的平面结构。本文提出的两种平面分割方法与其他图像分割的工作区别在于速度快,但是不需要平面结构分割至像素级精度,大致的分割结果得到的法向量的精度对于后续的机器人位姿估计来说就足够了。3.本文放松了曼哈顿世界对环境的约束,认为全局室内场景是由多个局部的曼哈顿世界连接组成。在机器人所处的任意一个位置,我们都能根据从相机中提取的平面结构构建出一个或多个曼哈顿坐标系。为了尽可能的消除累积误差,我们对旋转和平移变换进行了解耦,将相机坐标系配准到当前状态下占主导地位的曼哈顿坐标系,实现了相机旋转变换的估计,从而在最大程度上消除了旋转漂移。在已知旋转变换的基础上,根据图像中能够匹配的特征点的数量的多少,选择使用图像特征匹配或三维特征匹配算法估计相机的平移运动。