实时地图构建是移动机械臂装置对周围环境感知的在线可视化呈现,也是机械臂自主移动完成导航任务的重要基础。地图的设计架构影响机械臂在导航任务中完成操作指令的效率。随着传感器设备的发展和计算机处理性能的提升,如今移动机械臂导航已从单一传感器阶段逐渐进入到多传感器融合阶段。基于多传感器融合的地图构建方法能够发挥不同传感器的优势,提高地图构建精度与速度,因此具备重要的研究意义。目前,基于单一传感器构建地图产生的误差与噪声能难以避免;基于三维体素的地图构建速度较慢,文件占用空间过大;基于单纯视觉回环检测的方法鲁棒性较低,误检率较高。针对移动机械臂导航地图构建面临的以上三个问题,论文提出采用多传感器融合的方法分别进行改进:(1)针对2D激光雷达与RGB-D相机用于地图构建产生的噪声,提出一种2D激光雷达与深度图像对齐的融合去噪方法。该方法提取来自深度图像与2D激光雷达的多组一维序列,通过计算点集相似度将序列组对齐,再借助随机样本一致性与单应性确定噪声区域,然后令对齐的序列组互补融合修复噪点。该方法处理过后的数据能够用于构建二维地图和完善深度图像的可视化效果,并有效补充单一传感器原始数据遗漏的地图信息。(2)针对单一传感器构建地图的局限性,提出了一种基于迭代最近点算法(IterativeClosestPoint,ICP)与卷积自编码器(ConvolutionalAuto-encoder,CAE)的多传感器融合地图构建方法。该方法将多模态地图数据存储于移动机械臂获取它们时所在地图的位置单元,其中多帧2D激光雷达数据与移动机械臂位姿采用迭代最近点算法进行优化,图像数据采用卷积自编码器压缩降低占用空间,所有不同模态的数据采用图结构关联并存储。与单独的2D激光雷达地图构建方法相比,所提出方法增加了RGB-D可视化功能。实验证明,该地图构建方法在相同条件下比RGB-D点云地图构建速度快约85%,地图文件占用的大小比RGB-D点云地图构建小约30%。(3)针对单纯视觉回环检测方法的局限性,提出了一种外观与位姿信息结合的回环检测方法。该方法首先采用卷积自编码器与最邻近结点算法筛选出相似度较高的场景图像,再利用孪生神经网络框架进一步判别是否为同一场景;在此基础上引入移动机械臂位姿信息,作为验证闭合环路的真实性的共同决策依据。实验表明,该方法中的外观判别法与传统方法相比准确率相近,但平均速度提高约63%;总体回环检测方法平均准确率为89.97%,相较于传统方法提高约6～7个百分点。