随着人工智能的火热发展,移动机器人在生活中的应用越来越普遍,使更多的学者纷纷投身其中。自主导航作为移动机器人的核心能力,包括定位、建图和路径规划,可以使移动机器人在环境中自主的运动。在已知环境中的自主导航技术现今已趋于成熟,但在未知环境中的自主导航依然是亟需研究的热点问题。针对此问题,SLAM技术是目前正在蓬勃发展的最优解决方案。SLAM(Simultaneous Localization and Mapping),同时定位与地图构建,通过自身传感器实现机器人在环境中的自主导航。SLAM技术不依赖于外部环境提供任何已知信息,无须预布置场景,在未知环境下的自主导航起到极为重要的作用。基于RGB-D传感器进行SLAM研究被称为RGB-D SLAM,是目前机器人自主导航领域较为火热的一个研究课题。本文对RGB-D SLAM的关键技术做了深入的研究并改进,将其应用在移动机器人重要分支——无人机上,实现无人机的精准定位。主要研究工作如下:(1)相机成像模型的研究以及可调节标定系统的设计相机作为视觉SLAM获取外界信息的载体,对相机精准建模是视觉SLAM最基础的一步,也是非常重要的一步。针对相机标定问题,首先,在算法上,本文建立了相机模型,从而反映了3D世界与图像的投影关系,同时借鉴了张正友标定法,得到相机的内外参数。且使RGB图像与深度图像对齐,使得RGB-D相机中的彩色信息与深度信息可以一一对应,可以得到像素较为精确的尺度信息。其次,在物理结构上,本文设计了一款可调节标定系统,在各种应用场景均可使用,适用于相机的任何朝向,可以随时随地方便快捷地对相机进行标定。最后,标定实验结果表明,可以精确的得到环境信息与图像信息的对应关系,得到准确相机参数。(2)基于PROSAC+ICP的位姿估计算法在未知环境下,根据移动机器人获取到的未知环境下的图像信息,可以粗略得到移动机器人的位姿变换。针对位姿估计实时性不强的问题,本文使用PROSAC+ICP结合的SLAM前端位姿估计算法在一定程度上提升了实时性。首先对每一关键帧提取ORB特征点,根据图像间的距离大小建立匹配关系。其次,本文使用PROSAC算法剔除错误匹配点,实验结果证明,其比RANSAC算法速度更快、稳定性更强。然后与ICP算法结合,根据三维点云的约束关系得到移动机器人的位姿变换。最后,为了减少噪声影响,提高运动估计的准确性,本文还使用RANSAC提取面特征与PROSAC提取点特征结合,使约束更强,得到更为精准位姿估计。(3)位姿优化算法前端所得到的位姿估计因为约束过少,误差较大,需要对其进行优化。本文在已有的优化算法上做了改进。首先根据前端所得到的位姿关系创建位姿图,舍弃对路标点的计算,加快了优化速度;之后引入K叉树视觉词典对位姿图中不相邻的关键帧建立回环约束关系,通过优化,减少全局积累误差。然后对整个位姿图使用g2o工具进行全局优化,微调关键帧位姿进而得到最优的位姿估计。将本算法在TUM数据集中验证,且与经典的ORB-SLAM对比,验证了此算法的有效性。设计了无人机导航系统,实现了无人机的精准飞行,得到精确的无人机位置信息。