移动机器人是机器人研究领域的重要方向，如何在未知环境下进行同步的定位与制图SLAM（Simultaneous Localization and Map Building）属于移动机器人导航领域的一个关键问题。通过对以往SLAM算法的研究与分析，可以发现，SLAM算法种类是多样的，不同的算法的选择取决于硬件条件中的传感器。随着2010年RGB-D传感器问世以来，因其较高的性价比，RGB-D传感器被广泛应用与移动机器人的定位导航等领域。其中，比较新颖的RGB-D SLAM算法一直是近几年3D SLAM领域的热点。本文针对RGB-D SLAM实时性提出一种将RGB-D传感器深度值作为参数的仿生视觉模型。众所周知生物对环境的感知是越近越清晰，越远越模糊，距离过远可忽略不计。由此，本文提出了一种基于传感器深度值的梯形滤波算法，可以减少ICP计算成本从而在保证3D环境地图质量的前提下提高RGB-D SLAM运行效率。本文首先概括了本课题研究的主要内容即RGB-D SLAM实时性问题，并总结了国内外学者的研究现状。然后根据传感器参数性质并结合RGB-D ICP算法提出仿生视觉模型。为了进一步验证仿生视觉模型对RGB-D SLAM算法的可行性影响，我们采用了开源机器人操作系统ROS(Robot Operating System)作为软件平台,全向轮移动机器人作为实验机器人,对该改进算法性能进行验证、测试、分析与评价。实验中针对遇到的制图精度差这一问题引入Kinect-IMU融合算法，单独评估了融合算法的影响。最后在三维全局图中运用了仿生视觉模型和Kinect-IMU两种改进算法，仿生视觉模型算法改进了RGB-D SLAM实时性而Kinect-IMU融合算法改进了其精度。