移动机器人慢慢的进入到人们的日常生活中,这是人类长期以来的梦想。随着时代的发展,科学技术也快速发展,在复杂恶劣的环境下,人们期望移动机器人能够安全正常的工作。那么在复杂未知的环境下可以快速的建立地图显得尤为的重要,并且根据地图可以自身定位。这就实现了梦想中的自主式移动机器人。在未知的环境中,如果要实现移动机器人自主移动,可以运用同步定位与地图构建的方法(SLAM)。通常情况下,地图是已经存在的先验知识,并且结构化环境是传统移动机器人进行研究的场所。定位和建图是SLAM的两个方面,建图的基础是定位,但是建图的精确性又受到定位的影响,这两个方面是相辅相成的,相互依赖的。在二十一世纪,SLAM是世界科研工作者的研究热点,为此提出了很多解决方案。本论文主要讨论了规则环境下移动机器人的定位与地图构建问题。论文第一章介绍本课题的背景意义、发展历史以及研究现状,同时也简单介绍了单目视觉SLAM的研究难点、基本理论、常见地图构建方法;第二章运用了SIFT算法进行特征点的提取与匹配,详尽的分析了SIFT算法的原理和推演过程,为了验证SIFT算法的有效性和实时性,本文用实验验证了SIFT算法对尺度缩放、不同视角以及光照强度具有不变性。第三章探讨了单目视觉移动机器人的SLAM系统模型,确立了基于扩展卡尔曼滤波的SLAM作为主要算法,并且搭建了基于单目视觉移动机器人的实验平台用于SLAM后面的实验测试。论文主要详细研究了单目视觉SLAM的坐标模型、状态模型、观测模型和噪声模型,同时构造了移动机器人的惯性导航运动模型,并且也验证了各个模型的可行性。第四章选用张正友摄像机标定法对摄像机进行标定,标定出摄像机的内外参数。并且实验分析里程计误差、路标误差,运用MATLAB对扩展卡尔曼滤波SLAM进行二维以及三维的仿真,验证了算法和模型的可行性。