同时定位与建图(Simultaneous Localization and Mapping，SLAM)作为智能移动机器人领域的一个重要分支，是机器人在未知环境探索中是否完全自主的关键所在，而基于视觉的同时定位与建图正是该领域的一个研究热点。本文根据现有移动机器人视觉SLAM系统中存在的：
　　(1)基于视觉地图在线构建法，多为稀疏的点云地图，不能用于机器人导航与避障的问题；
　　(2)常规蒙特卡罗定位算法中，重要性采样可能出现样本退化问题；
　　(3)视觉惯性融合技术中的初始化问题。从以下几个方面展开研究：
　　一、提出ORB-ISM网格地图在线构建算法。
　　针对问题(1)，提出了一种基于视觉的ORB-ISM网格地图在线构建算法。首先建立了一个适用于视觉SLAM的逆传感器模型(Inverse Sensor Model，ISM)；其次针对ISM模型，重新编排了网格地图算法的构建机制，并进行了详细的推导；最后设计了ORB-ISM网格地图在线构建算法的具体实施方案，并对ISM模型和网格地图模型进行分析，寻找最佳的模型参数，确保算法切实可行。
　　二、提出自适应梯度精细分层抽样法。
　　针对问题(2)，提出了自适应梯度精细分层抽样法(Adaptive Gradient Refined Stratified Sampling，AGRSS)。本文先对Bayes滤波算法和常规蒙特卡罗算法作了阐述；之后分析了重要性采样与均匀分层采样存在的不足；最后通过论证，AGRSS能够执行顺序空间的细化，实现接近最优的分层样本设计，确立了AGRSS采样方法的可行性。
　　三、提出了陀螺仪差值标定法。
　　针对问题(3)，提出用陀螺仪差值标定法(Gyro Differential Calibration， GDC)对陀螺仪偏差进行标定——用视觉与惯性旋转变量差值法标定陀螺仪偏差。同时为了克服应用场景单一的问题，采用自动选择基础矩阵或单应性矩阵的方法来解算相机旋转变量，并用最小误差法求平移向量。
　　实验表明，用单目相机和RGB-D深度相机作网格地图在线构建，二者皆能实现网格地图的在线绘制，说明ORB-ISM网格地图在线构建算法支持单目、RGB-D两种模式，适用性强。用RGB-D相机在室内和走廊两种不同环境中在线构建地图，都能清晰的标出环境中障碍物的位置，验证了ORB-ISM网格地图构建算法的有效性。
　　AGRSS能够执行顺序空间的细化，实现接近最优的分层样本设计，克服重要性采样中可能出现样本退化的限制，改进后的蒙特卡罗定位算法的平均RMSE降低了5.1545；GDC法提高了陀螺仪标定精度；视觉惯性初始化方法，克服了单目视觉尺度任意性的缺陷，所估算轨迹的平均RMSE降低了0.0891m，且在不同场景下表现出良好效果。