移动机器人环境地图的创建是实现移动机器人在未知环境下自主移动和路径规划的前提。随着视觉技术和图像处理技术的发展,基于视觉和其它辅助传感器的地图构建方法SLAM (Simultaneous Localization and Mapping),成为移动机器人环境地图创建的研究热点。论文将视觉与惯性传感器相结合,研究移动机器人环境地图的创建方法,主要工作内容如下：首先,建立了摄像机与移动机器人惯性运动系统模型,通过摄像头获取工作环境图像信息,利用惯性传感器数据推算出机器人的旋转矩阵与平移向量,根据系统模型对两者数据进行融合,存入路标信息数据库,并通过实验验证了数据融合模型的可行性与正确性。其次,重点研究了SIFT特征值提取与匹配算法。对SIFT算法的推演过程和原理进行详细的分析,讨论了基于SIFT算法改进的特征值提取快速算法包括SIFT描述子的改进和匹配策略的改进。通过实验,确定了算法中几个关键参数对特征值提取与匹配的影响,验证了改进算法能够提高特征提取与匹配的执行效率。再次,提出了一种基于环境特征值地图的优化算法和一种二维平面点云数据轮廓提取方法。将数据库特征值信息,通过一定的坐标转换构建在固定分辨率的bmp图像上,对bmp二维地图进行栅格化处理和矩形优化处理。最终构建了基于特征点地图的矩形优化地图和基于矩形优化地图的拓扑地图,通过误差分析和路径规划实验验证了算法的可行性。最后,利用“旅行家Ⅱ号”机器人进行地图创建实验。搭建了基于mini6410的嵌入式系统控制终端,通过串口对机器人进行运动控制和传感器数据获取。采用实验分析所得参数,对图像进行特征提取,结合视觉与惯性传感器系统模型,构建特征点地图,并对特征点地图进行矩形优化处理,最终得到以bmp格式存储的可用于机器人自主导航的环境地图,并对地图进行误差分析与障碍物合并算法验证,实验证明了地图创建算法及地图优化算法的可行性。