同时定位与建图(Simultaneous Localization and Mapping,SLAM)是移动机器人完成自主化与智能化的一项核心技术,激光SLAM在小型环境中表现优越,但是到了大型环境中,由于检测回环错误或者累计误差过大,导致定位和建图出现较大失真,而且其信息量较少,在几何相似度较高的环境里不能很好的识别环境。相反,视觉SLAM信息丰富,可以很好的识别环境,但是建图却不够精确,而且由于信息丰富带来的计算量会很大,算法的实时性不高。因此,机器人使用单一的传感器会受到很大限制,所以本文提出了一种激光与视觉融合的算法,利用视觉传感器丰富的语义信息辅助激光传感器进行同时定位与建图,以此增强机器人适用多变环境的能力。本文结合视觉SLAM和激光SLAM的优缺点,研究并实现两者融合的移动机器人的SLAM算法。本文的主要工作如下:1.狮群优化的FastSLAM算法研究。在阐述了FastSLAM算法原理的基础上,针对FastSLAM算法存在粒子退化和粒子多样缺失的问题,将狮群优化思想引入到FastSLAM算法中进行改进,并通过与FastSLAM算法的对比仿真实验,验证了所提算法的可行性。2.激光与视觉融合的SLAM算法研究。针对传统激光SLAM算法存在的缺陷,提出一种激光与视觉融合的SLAM算法,利用单目相机位姿融合激光雷达位姿的方法来提升位姿精度,并融合视觉回环检测与激光回环检测,使回环检测更准确,以更好的消除累计误差,并利用数据集进行了仿真实验,实验证明了融合算法在位姿精度和回环检测准确性方面与传统算法相比性能具有很大程度的提高。3.激光与视觉融合的SLAM算法实验验证。在实验室(2m×5m)和室外走廊(21m×19m)对论文提出的融合算法与传统算法分别进行了现场实验。通过实验对比,证明了本文提出的SLAM算法在某些环境下改善了由于累积误差过大导致所建地图回环不精确的问题,同时改善了由于机器人靠单一传感器受环境限制引起的位姿不精确问题。图[41]表[8]参[61]