随着人口老龄化不断提高，家庭服务机器人越来越受到社会的关注。移动机器人同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)技术是实现整个移动机器人自主导航的关键。所谓的SLAM就是机器人在整个运动过程中根据自身携带的传感器获取的环境信息和自身姿态构建环境地图，同时利用环境地图对自身进行定位。近年来，随着数字图像处理技术的进步，基于视觉的SLAM逐渐成为移动机器人研究的热点。本文针对双目视觉的SLAM方法进行研究，具体研究内容如下：　　首先，针对移动机器人平台上的双目视觉深度信息获取问题，研究了一种适用于动态图像序列的双目图像立体匹配算法。首先，采用成熟的半全局立体匹配算法对图像快速立体匹配；然后，分析了在复杂环境下的运动平台上完成立体匹配所面临的主要噪声干扰，包括白斑噪声和断层闪烁噪声；为此，分别提出了白斑滤波算法和视差图时间域滤波方法以抑制这两种噪声。试验结果表明：所提出的算法能够有效抑制动态双目图像在立体匹配时的噪声干扰，最终能够实时获得连续清晰的视差图序列。该结果对移动机器人在复杂空间作业时的避障和环境感知有重要意义。　　其次，研究了一种数据关联的方法，数据关联是定位的关键，错误的数据关联将导致SLAM过程的发散。本文算法在当前帧特征点集与地图库中特征点集之间进行双向匹配，提高了数据关联的准确性。　　然后，针对EKF算法计算量大，难以应用于实时SLAM问题，研究了一种环境学习与定位分离的SLAM方法，主要改进包括学习和定位分离的思想、折线行走-SLAM方法，克服了原始算法计算量过大问题。　　最后，以实验室已有的移动平台和双目立体摄像机为研究对象，完成了折线SLAM环境学习试验、实时定位试验和避碰路径规划的试验，试验结果证明了本文相关算法的有效性和使用性。