机器人同时定位与地图构建算法(SLAM, Simultaneous Localization and Mapping)是实现机器人自主控制的关键,而将SLAM算法与视觉传感器相结合是该领域的一大突破,这种结合使得机器人可以像生物一样感知周围环境。近年来,基于图像的视觉SLAM算法取得了快速发展。6-DOF (degree-of-freedom)的姿态优化三维视觉SLAM技术在多种机器人(如家用机器人、水下机器人等)都有重要的研究意义和经济价值。本文提出的实时RGB-D三维视觉SLAM系统使用Kinect作为视觉传感器。Kinect传感器可以同时提供机器人周围环境的彩色图片信息和彩色图片对应的深度图片信息。本文基于图像特征的RGB-D视觉SLAM算法主要解决以下问题：(1)彩色图像特征点提取与匹配。具体操作是从Kinect获得的彩色图片中提取特征点,计算特征点描述子,完成关键帧图片特征点匹配。本文使用的特征点提取算法有SIFT(Scale Invariant Feature Transform), SURF(Speeded Up Robust Features)和ORB (ORiented Brief)算法,并且对三种算法从提取特征点的个数、运行时间、正确率三个方面进行比较,找到一种最好的特征提取方法完成最终实验。(2)三维信息获取。在深度图像中找到彩色图像中匹配成功的特征点对应像素,通过相关原理,计算得到特征点对的三维世界坐标。通过RANSAC或者RGBD-ICP算法得到两幅图像的相对位置关系,进而得到两个相机位置的相对位移和相对欧拉角,得到需要的6-DOF。(3)全局优化和闭环检测。本文使用基于图像特征的视觉SLAM方法优化全局路径和全局三维地图,并在最后结果中使用闭环检测,减小全局误差。闭环检测是通过检测当前图像与原点图像的重叠率实现的。本文实验处理图像的速度为20HZ,满足实时性要求。(4)实验结果展示与对比分析。本文结合已有的数据集,得到SLAM三维路径与室内三维重建的实验结果,提出两种方法比较本文SLAM路径与真实路径的差异：相对姿态误差和绝对路径误差。这两种误差越小,算法效果越接近真实路径。另外,本文将SLAM三维环境地图的实验效果与SFM (Structure FromMotion)算法实验结果比较,判断哪种算法重建效果更好。通过以上过程,得到全局优化的路径和三维地图。实验结果表明,SLAM估计路径与真实路径误差较小,而且算法满足实时性要求。