同时定位与建图(Simultaneous Location and Mapping,SLAM)技术是智能机器人实现自主导航的核心技术。SLAM系统的构建一般都是依赖于机器人自身的传感器,本文主要研究室内环境的SLAM解决方案,成熟的方案是利用激光雷达作为系统的主传感器进行环境信息采集。但是,激光雷达具有价格昂贵、体积大等缺点,不适用于小型、低成本的机器人系统。近几年,随着各种价格低廉、性能高的视觉传感器的问世,基于视觉传感器的SLAM技术解决方案受到研究者的广泛关注。其中,RGB-D视觉传感器由于可以同时获取环境的彩色图像和深度图像,非常适合作为SLAM系统的主传感器,所以基于RGB-D视觉传感器的RGB-D SLAM是目前机器人领域最受关注的研究方向。本文也是基于RGB-D视觉传感器构建一个面向室内环境、精确度高的、满足一定实时性的SLAM系统,主要工作如下:1)通过研究现代智能机器人体系架构,了解SLAM系统在整个机器人系统中起到的作用,完成需求分析,并根据需求分析,进行RGB-D SLAM系统整体框架设计和模块功能设计;2)研究相机的成像模型,基于Kinect相机实现数据采集功能,并利用Matlab的摄像机标定工具箱完成Kinect相机的标定实验;3)在前端视觉里程计中,首先通过实验比较常用特征提取算法的优缺点,选用ORB算法作为系统的特征提取算法,并对其缺点进行改进,使提取到的特征点尽量分布于整张图像;然后利用Brute-Force方法完成特征点粗匹配,并利用RANSAC算法进行优化;最后利用RANSAC算法和ICP算法,完成帧间相机运动参数的求解;4)在后端中,选用图优化模型代替传统滤波模型进行全局位姿优化。首先,确定系统的关键帧选取策略;然后,基于选取的关键帧实现基于图像配准的回环检测功能;最后,利用G2O通用求解器完成全局位姿图的构建和求解,并利用PCL点云库完成全局点云地图的构建;5)利用慕尼黑工业大学的TUM数据集和真实场景分别对系统的精确度和有效性进行测试,实验结果表明本文实现的基于RGB-D视觉传感器的SLAM系统可以满足需求。