当机器人正逐渐从实验室走向广大人民的生活中,无人机是最具有代表性的一种,其在气象探测、公路巡视、勘探测绘、水灾监视等具有广泛的应用。因而无人机在不具有GPS信号的情况下的定位就成为急需解决的问题。SLAM(simultaneous localization and mapping)因其成本低,设备简单适应性强成为一个较好的选择方案。到目前为止SLAM有许多算法已经问世,但是在3D空间内,采用摄像机作为传感器的领域仍然有待研究。目前只有较少的基于视觉的visual SLAM系统能够在采用较高性能处理器的条件下实时的完成构建地图并对机器人进行定位。本文首先综述了国内外室内定位方法和visual SLAM的研究现状,发现了目前的研究所存在的一些问题,并确定本文的主要研究内容。本文分析了传统算法的优点和不足并在现有研究的基础之上提出了一种新颖的算法,该算法搭载了Linux开发平台上,采用华硕出产一种RGBD相机的Xtion pro作为视觉传感器,以基于优化理论的算法作为核心。前端采用基于ORB特征的Tracking算法,中间构建地图的过程之中融合惯性测量单元(IMU)得到的信息,后端闭环检测采用基于ORB的词袋模型,并进行整体相机的位姿优化。最终实现构建未知空间地图和机器人的定位。相对于传统算法,本文提出的算法具有以下优点:1.采用改进的相机标定算法,显著的提升了深度相机获取对应像素点的空间点位置的准确性,为后续的SLAM算法提供相对精确的深度信息。2.将IMU的信息融合进visual SLAM的过程中,通过IMU可以得到无人机飞行时的位置和姿态,为迭代提供相对精确的初始值,并且提高机器人的定位精度。3.初始化部分抛弃了传统的基于基础矩阵的做法,采用了相对可靠的五点算法4.采用多线程并行编程,SIMD向量化编程等高级编程技术提高了运算性能。该算法可以实时的获取图像并进行机器人的定位和地图构建,仅需无人机及其上RGBD相机,无需依赖其它设备就可以完成任务,相对于其它定位算法而言具有简单可靠的优点。实验证明,该方法在室内短时间飞行的定位误差基本在5%以下,能够满足定位需求。