近几年,随着社会的不断发展,科技也在不断的向智能化靠拢,从家居用品中的智能服务机器人,到道路交通中自动驾驶技术的出现,人们对于生活生产智能化的需求愈加迫切。其中,智能服务机器人中的典型代表——扫地机,以及已被成功路施的无人驾驶汽车都离不开对周围环境的认知规划以及自身位置的估计。所以未知环境中的自动定位导航技术已逐渐成为自动驾驶、服务机器人领域中最为重要的关键技术之一。而自动定位和导航的实现,离不开环境地图的构建,根据重构好的环境地图,可以完成车辆的定位以及路径规划等问题。地图的种类可以分为2D地图与3D地图,特别是3D地图所蕴含的信息更为丰富,其对物体的描述更加准确,使用效率更直观,进而对导航具有重要的指导意义。3D地图构建的前提需要场景中实际物体的三维世界坐标作为基准,而双目相机模拟人眼的原理,对拍摄的场景图像通过立体匹配等方法获取的物体深度信息,即物体与相机的距离,是地图构建过程中不可缺少的重要部分,根据深度信息即可获得物体的三维坐标。本论文开展基于双目视觉移动机器人地图构建研究,针对在地图构建过程中出现的图像畸变、视差获取及深度优化、点云配准等关键问题做了相关研究,并将双目相机搭载在移动机器人上,搭建了一套可以平稳移动拍摄双目图像的采集单元。针对移动机器人的地图构建问题,首先对双目相机进行标定,再对其采集的图像进行立体匹配,空洞修复等操作,并在鲁棒性与精确性上与现有算法进行对比。本文完成的主要工作与取得的创新成果包括:(1)综述了地图构建的相关研究背景及意义,特别是分析总结了国内外相关研究现状与关键技术。(2)建立了一个具有控制与采集功能的移动小车采集单元,通过运动采集的方式获取图像序列。梳理整个地图构建的流程,并对每个模块的关键技术进行分析。针对常用的校准算法中手动操作导致的校准参数不准确的问题,采用张正友校准算法来计算摄像机参数,并从多个角度分析校准结果以选择最佳的相机参数。(3)针对立体匹配中平滑区域匹配效果差的问题,提出了一种基于区域特征的立体匹配算法。在计算代价时采用多约束条件对代价值进行初始化,在代价聚合阶段对自适应聚合窗口进行了进一步拓展,通过灰度与距离之间的关系对窗口进行限制。并针对代价聚合时出现的鲁棒性较差的问题,添加了噪声剔除策略以降低算法对噪声的敏感性,结合匹配的精准度与算法的鲁棒性综合分析算法性能。实验采用Middlebury平台上的数据进行测试,结果表明,本文所提立体匹配算法提升了抗噪性,很好的保持了物体边缘结构,平均误匹配率为4.06%,相比于同类型的多种算法提高了匹配精度。(4)提出了一种滤波与漫水填充相结合的样本块修复算法,通过滤波与漫水填充先对较大程度的“坏点”进行大致修复,再引入梯度优先机制,改善优先级判断条件,进而对图像进行细微化的空洞填充。并对搜索窗口进行合理缩减,在修复时间上进行了优化。本文方法不仅可以对立体匹配得到的视差图中的噪点及空洞点进行去噪填充,还可以在修复过程防止过平滑损失重要信息。最终实验证明,本文所提方法对视差图中的空洞与噪点有很好的修复效果,相比于其它修复算法效果更好,并在处理速度上相比于经典的Criminisi算法提升了大约30%。(5)基于双目相机的内部参数,采用经典的迭代最近点算法,实现了点云的计算与配准。将深度信息结合平面坐标转化成可代表三维空间点的点云。对多个角度的图像生成的点云进行配准与拼接,在点云配准的过程中采用迭代最近点的算法,将不同坐标系下的点云配准到同一个坐标系下,最后对点云进行拼接构建出具有可视化功能的点云地图。