同时定位与建图（SLAM）是实现机器人自主定位导航的关键技术。SLAM通常使用激光雷达、相机、惯导模块和码盘等传感器捕捉外部信息。随着RGB-D相机的面世与发展,研究人员逐渐将此设备应用于定位、建图以及无处不在的计算领域。关于RGB-D SLAM的研究也成为了 SLAM研究领域的重要课题之一。RGB-D相机的主要优点是以相对较低的成本提供丰富的彩色和深度信息,但使用该相机时也存在着视野受限、测量范围窄、噪声大等问题。而许多基于RGB-D相机的SLAM系统非常依赖深度信息,并且受限于环境的类型和几何结构。因此本文进行了深入的研究,并在已有的RGB-D SLAM系统之上充分利用RGB和深度图像的信息,提出了融合单目信息的RGB-D SLAM系统,使得该系统能够适应更多的场景并且具有更好的鲁棒性。现将本文系统介绍如下。考虑到相机的视野范围和测量距离等问题,在SLAM前端,本课题从深度信息的存在性、准确性和离散性三个方向出发,提出一个深度选择机制来对深度图像进行判断。若深度图像满足选择机制提出的三个判别条件,则认定其具备足够的深度信息,系统将采用彩色图像和深度图像结合的方式进行SLAM工作;若其不满足判别条件,则认为其深度信息不充分,系统将只使用彩色图像进行SLAM工作。通过一个选择机制,将系统分成RGB-D和MONO两种处理方式。由于系统采用的是运动模型或参考帧的方式来对相机的初始位姿进行估计,则RGB-D和MONO两种处理方式的区别具体体现在优化阶段。系统采用BA优化算法对初始位姿进行优化。当采用RGB-D方式时,使用图像提供的包括深度信息在内的三维信息对位姿进行优化;而采用单目方式时,使用单独彩色图像提供的二维信息对位姿进行优化。系统还包含回环检测和全局优化模块对位姿进行进一步的优化。同时系统根据关键帧提供的信息建立了稠密的三维点云地图。最后通过实验验证了系统的可行性、精确性与鲁棒性。