随着科技的日益发展和人们的生活需求不断提高,家庭机器人将得到越来越广泛的应用。为了节约家庭机器人的开发成本,单目视觉机器人已经成为当前的研究热点。为了利用单目视觉传感器,需要一种相应的外界环境的描述方法,本文采用一种比例缩放不变的特征点(SIFT特征点)来描述环境,SIFT特征点具有比例缩放不变性,旋转不变性和部分仿射不变性等优良性能,从而具有高度的可辨别性。由SIFT特征点可以描述环境,得到环境的特征地图。家庭机器人的一个重要特点是要具有自主导航功能,而自主导航过程中机器人需要时刻知道自己当前在环境中所处的位置及方向,这个过程称为全局定位。全局定位的前提是要有一个环境地图,装有立体视觉摄像机的机器人在不移动的情况下就能获得环境的三维信息,并且三维信息的精度较高,而利用单个摄像机创建地图必须通过机器人的移动才能获得环境的三维信息,这种通过运动重构周围环境的过程称为基于运动的重建(Structure From Motion)。机器人在创建地图的过程中,为了提高地图的精度,需要时刻修正里程计数据,再利用新的位姿更新地图,这个一边创建地图一边修正自己位姿的过程称为同时定位与地图创建,即SLAM,而SLAM过程中机器人修正位姿的过程称为局部定位。无论是局部定位还是全局定位,都可以归结为一个寻找优化位姿的优化问题。本文把粒子群优化算法(PSO)引入局部定位和全局定位,通过合理的适应度函数优化位姿。在SLAM过程中,更新里程计数据,从而使机器人创建出高精度的地图,并且在全局定位时大大提高了定位精度。此外,在全局定位时,由于环境所对应的地图库的规模往往很大,使得与地图库的匹配运算非常耗时,为了加快定位速度,本文借鉴人类搜索地图的原理提出了一种基于局部子地图的地图搜索方法,大大提高了搜索速度。本文的最后在实验室现有的机器人平台上设计出了基于单目视觉的家庭机器人同时定位和地图创建软件系统,针对各功能模块进行了概要设计和详细设计,并最终实现了系统,由于采用模块化的设计方法,该系统具有较好的可移植性。