定位与地图构建是自主移动机器人的核心技术,但由于单纯码盘、惯导等航迹推演的定位方法存在累积误差,使得生成的地图一致性遭到破坏,给机器人自主移动带来严重隐患。机器人的精确定位往往需要地图尤其是路标位置信息,而路标的绝对位置与机器人轨迹又紧密相关。因此,机器人定位与地图构建变为一互斥问题。同时解决定位与地图构建(SLAM)是希望利用环境路标的多次观测具有高度相关性这一特点,同时估计机器人状态和路标位置,以期获得最小的一致性误差,提高定位与地图构建精度。视觉传感器具有获得信息量大、特征易于提取、价格低廉等优势,在SLAM中得到广泛研究与应用。单目较双目或多目视觉SLAM系统更易于实现,且能够更好的适应不同环境,是目前机器人视觉SLAM研究的热点。　　 本文采用单摄像头作为视觉传感器来获取环境信息,在扩展卡尔曼滤波算法框架下进行单目视觉SLAM方法的研究。主要研究工作分为:　　 (1)基于扩展卡尔曼滤波器(EKF)的视觉SLAM系统整体实现方案的研究,其中包括运动模型及观测模型的建立、状态更新、环境路标的增广等。　　 (2)基于视觉的特征点提取方法,分别介绍了Harris角点和SIFT特征点的两种不同提取方法,并重点分析了用做SLAM路标点的SIFT特征点的详细提取方法,并结合实验进行了特征分析。　　 (3)帧间运动参数估计部分是在立体几何成像的理论基础上,结合极线几何来求解帧间运动参数,恢复得出像机的旋转和平移变化量。　　 (4)最后一部分在SIFT特征点提取基础上,创新提出了一种基于概率选取随机特征点的单目视觉SLAM方法,结合帧间运动参数估计方法,发展了一种应用范围更广、路标点收敛效果更加明显的单目视觉SLAM方法。