随着智能移动机器人的飞速发展,使机器人能够拥有自主定位及建立地图任务的能力变得十分重要,因此同时定位与建图(Simultaneous Localization And Mapping,SLAM)技术成为了机器人研究领域的重点。目前的SLAM技术都已经能够达到实时的对周围场景进行建图,然而在尺度较大的场景下无法进行SLAM并且众多文献没有明确指出如何使用这些地图,因此在大场景下进行SLAM及复用SLAM地图成为智能移动机器人研究领域亟待解决的问题。通过对现有SLAM技术的分析,着重介绍传统SLAM技术在大尺度场景下的弊端,并对现有的SLAM技术和视觉词汇树算法进行介绍和分析,总结其优缺点,从以下三个方面对现有SLAM技术进行改进。(1)将大场景分割为多个子场景利用RGB-D SLAM对场景进行建图,使用视觉里程计对机器人运动做估计,并建立位姿图,使用图优化原理对位姿图进行全局一致性优化并建立基于多个子场景的拓扑地图。(2)本文引入了使用单词共现矩阵来描述场景,并从图核的角度对单词共现矩阵的相似性度量做出了推导。从而将重定位过程分为两个阶段,先识别场景,再在该场景下的拓扑地图进行重定位。(3)考虑到一张图像所包含场景信息可能不够,所以本文提出对多图像的场景相似度结果使用贝叶斯滤波处理,将滤波结果作为场景识别的结果,从而提高场景识别效率。