移动机器人3D同步定位与制图(3D SLAM)指的移动机器人通过自身携带的视觉传感器感知环境,同时构建3D环境地图和估计移动机器人的运动轨迹。移动机器人3D SLAM技术是自主移动机器人的关键技术,也是移动机器人研究领域的难点问题。与单移动机器人3D SLAM相比,多移动机器人3D SLAM可以通过移动机器人之间的相互协作、共享所获得的信息,提高移动机器人同步定位和建图的效率和鲁棒性。多移动机器人3D SLAM除了需要解决单移动机器人的3D SLAM问题,还需要解决移动机器人之间的通信和局部地图融合的问题。本文主要研究基于Kinect传感器的多移动机器人3D SLAM、数据关联以及局部地图融合等相关问题。本文的主要工作如下:(1)首先,对单移动机器人3D SLAM问题进行研究。通过传感器数据读取、视觉里程计、闭合回环检测和后端优化,得到全局一致性的3D环境地图和移动机器人的运动轨迹。在特征提取和匹配中,提出了主成分分析(PCA)的数据降维算法,提高移动机器人3D SLAM的效率;在构建局部地图时,提出了图像关键帧选择算法,提高了移动机器人构建3D地图的准确性和鲁棒性。(2)其次,对于多移动机器人3D SLAM问题进行研究。简单描述了多移动机器人的系统结构,移动机器人之间信息共享的无线通信技术。对于多移动机器人的地图融合问题,采用坐标齐次变换解决地图对齐的问题。根据移动机器人是否相遇,提出了相对观测的局部地图融合方法和基于粒子群优化算法的局部地图融合方法。前者是把移动机器人所创建的局部地图的重叠部分进行融合;后者是把地图融合问题转化为目标优化问题,通过粒子群算法寻找最优变换矩阵。这两种方法相互配合,实现多移动机器人的地图融合。(3)最后,把PCA数据降维算法、图像关键帧选择算法等改进算法应用于多移动机器人3D SLAM问题,通过实验验证,提高了多移动机器人同时定位和建图的效率、准确性和鲁棒性。最后对全文进行总结和展望,归纳了主要的研究成果和实验结论,并且提出了本文所提出改进算法存在的问题和未来的研究方向。