实现移动机器人的自主导航是移动机器人研究领域的一个热门问题。移动机器人自主导航的关键是在未知的环境中能够自主定位，而解决自主定位的关键就是同时定位和地图构建。视觉传感器能获得直观和丰富的环境信息，而且具有低成本的优势，因此，研究如何利用单目视觉传感器进行移动机器人同时定位与地图构建，具有很重要的意义。　　 本文对基于单目视觉传感器的同时定位和地图构建进行了深入研究。首先介绍了移动机器人同时定位和地图构建的问题描述、研究难点和主要方法，对扩展卡尔曼滤波方法和FastSLAM方法进行了详细介绍；接着对基于单目视觉的同时定位和地图构建系统的原理进行了分析，设计了一个以里程计作为控制输入，单目视觉获取的图像信息作为观测的SLAM系统框架，整个系统包括视觉跟踪模块、路标延迟初始化模块、地图库管理模块以及SLAM算法模块；然后对里程计和视觉传感器建立了数学模型并分析了其不确定性；之后对整个系统的各个模块进行了详细的分析设计。视觉跟踪模块采用SIFT算法进行环境特征提取与匹配，以获得匹配的图像点对以便于新特征的延迟初始化和已有路标的更新。延迟初始化模块采用直接线性三角测量获得新特征的三维坐标，并采用Unscented变换处理不确定性信息，当新特征的不确定性低于某个范围时就将其作为有效的路标加入地图库。地图库管理模块用来快速地搜索和匹配路标，以及有效地检测闭环。SLAM模块采用FastSLAM算法利用里程计的预测信息和摄像头的观测信息进行机器人位姿和路标位置的更新，从而创建出更精确的地图。三维重建的结果显示了三角测量方法的可靠性，SLAM仿真结果显示本文的算法比单独使用里程计能获得更精确的地图。