随着计算机视觉技术的发展,基于视觉的移动机器人视觉同时定位与地图构建(Visual Simultaneous Localization and Mapping,V-SLAM)和自主导航技术成为当前机器人研究的重点领域。本文对基于深度视觉的室内移动机器人导航系统的研究具有重要的理论意义和实际应用价值。本文对室内移动机器人导航相关技术进行研究,对比分析后选择深度相机作为视觉传感器,在机器人操作系统(Robot Operating System,ROS)上完成基于深度视觉的室内移动机器人导航系统方案设计。针对视觉SLAM技术中点云配准误差大、计算效率低以及实时性差等问题,提出一种基于相机校准的视觉SLAM算法。使用平面棋盘校准深度相机,通过深度相机外部参数对齐多个点云进而得到多视点变换矩阵用于全局点云配准中;在视觉SLAM系统前端使用计算量小的ORB特征算子,降低特征提取计算量,提高系统的实时性;在回环检测中,通过构建视觉字典树并改变相似性得分计算方法选取关键帧,增加机器人闭环识别率和相机位姿估计精度;在后端优化中使用图优化方法,减小累计误差提高机器人位姿精度。通过实验结果证明改进视觉SLAM算法满足系统实时性要求,能够提高了点云配准和构建地图的精度。在机器人路径规划中,针对传统人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)易陷入局部最优,视野和步长参数值固定导致算法寻优精度低等问题,提出一种改进的人工鱼群算法(Admixture Improved Artificial Fish Swarm Algorithm,AIAFSA)。使用LPA*算法初步规划全局路径,得到次优路径中的各个节点用于确定人工鱼的数量;提出自适应行为的路径规划算法,通过引入权重因子?避免人工鱼视野范围和移动步长参数固定而造成局部最优,进一步提高算法实时性和求取最优解的质量;使用衰减函数?保证算法在全局和局部路径规划之间平衡。实验结果证明改进人工鱼群算法可以规划全局最优路径,提高了算法的收敛速度和精度,使机器人导航路径更加平滑。在实验室硬件平台上完成基于深度视觉的室内移动机器人导航系统搭建与实现。通过在不同的环境下测试,证明本文所设计的基于深度视觉的室内移动机器人导航系统的可行性和稳定性。