随着信息化产业的发展,移动机器人日趋智能化和自主化,在各个领域的应用也越来越广泛。即时定位与建图(SLAM)一直是机器人领域研究的热点和难点。采用视觉和激光的定位建图方案是两种最常用的方法。本文以轮式机器人为主体搭载了移动机器人平台,利用平台进行视觉和激光信息的融合研究,旨在提升移动机器人定位与建图的精确性,并解决移动机器人的导航问题。为了更好地实现融合过程,本文主要研究以下内容:(1)研究了基于RGB-D传感器的3D视觉SLAM。在特征提取与匹配算法中,使用实时性更高的ORB算法,将其与SIFT、SURF算法进行了对比实验,验证了ORB算法的高效性。针对三维点云自动配准精度不高、鲁棒性不强等问题,提出一种基于改进ICP算法的点云自动配准算法,实验结果表明改进后的方案鲁棒性更强,收敛速度更快,配准结果较好,能达到点云配准的要求。同时本文利用小觅双目相机对周围的环境进行了建图和定位的实验,都取得了良好的结果。(2)提出基于改进粒子滤波的2D激光雷达SLAM方法,针对传统粒子滤波算法计算量和复杂度大的问题,在计算提议分布时将机器人里程计信息和激光传感器采集的信息进行融合,优化提议分布函数,同时引入自适应重采样机制,缓解由于重采样带来的粒子消耗问题。为验证改进算法性能,在搭建的移动机器人平台上,进行了验证试验,结果表明,改进后的RBPF-SLAM方法,能够实时构建栅格地图,在建图效率和精度上均有明显的提升。(3)提出了视觉和激光SLAM融合方法。针对双目相机和二维激光各自的优缺点,提出用卡尔曼滤波进行两者位姿的松耦合融合,通过室内大厅和走廊两个场景实验分析,融合算法能够满足精度上的提高。最后,进行视觉和激光的融合建图以及自主导航实验,实验表明,在复杂环境下融合了视觉信息之后的地图相比纯激光构建的地图更逼近真实环境,能比较真实的反映实验场景中的障碍物。