随着应用环境的复杂化,人类对移动机器人的自主性提出更高要求,并希望自主移动机器人能够在初始未知的复杂环境中执行任务,例如能够与人类、其他车辆及其环境进行安全有效的交互。基于这个需求,三维重建与视觉SLAM的融合方向,已逐渐成为学者们研究和探讨的热点和趋势之一。为了实现移动机器人室内三维稠密点云实时构建和路径规划,本文针对Kinect 2相机和SLAM技术开展了以下工作:首先,本文对Kinect 2相机进行内外参标定,并且由于Kinect 2相机在测量深度时会与相机投影模型计算的深度值产生偏差,提出一种线性模型d=ad+β对测量深度值进行修正,使Kinect 2相机的测量深度值与视觉里程计计算的深度值保持一致,得到更精确的深度信息以对后期室内环境进行三维稠密点云重建。其次,在前端视觉里程计中,针对ORB特征点在提取特征时主要集中在纹理丰富的地方问题,详细研究了ORB特征均匀提取的四叉树策略;在特征匹配精度方面,提出GMS特征匹配算法来剔除误匹配特征点对,并通过实验与RANSAC特征匹配算法对比,使用匹配准确率和对极约束两个指标进行验证,其中匹配准确率分别为89.92%、94.21%,对极约束分别为0.001315、3.33e-5,结果证明了算法的有效性和可行性。然后,针对三维稀疏点云不能为后期机器人实时导航所应用的问题,本文设计了基于Kinect 2相机的室内三维稠密点云实时构建算法框架。在相机位姿估计方面,利用Pn P来估计局部相机位姿;在SLAM的关键帧筛选方面,采用基于距离判断的筛选条件,提高了系统的建图效率;在后端优化方面,采用位姿图优化对全局的相机位姿进行优化估计;为保证全局轨迹的一致性,在回环检测方面,采用Bo W3词袋模型来判别场景相似度,并对相似度得分进行了改进。最后,针对本文提出的算法进行实验验证。在TUM数据集中不同的数据序列上进行了对比实验,本文算法实验结果中绝对轨迹误差均小于ORB-SLAM2的绝对轨迹误差,RMSE平均改进了17.4%,并且对TUM数据集和实验室真实场景进行了三维稠密点云重建,结果表明本文实现的基于RGB-D视觉传感器的SLAM系统可以满足建图和定位需求。然后为了降低移动机器人后期路径规划计算成本,将点云地图转换为八叉树地图,再通过斜投影原理转换为二维栅格地图,利用A*算法实现了移动机器人实验室内的路径规划。