移动机器人在多个工程领域中具有重要作用,同步定位和地图创建（Simultaneous Localization and Mapping SLAM）技术可以使移动机器人实时估计自身位姿和创建周围环境地图,是其智能化运行的基础。深度摄像头低成本且高效的信息获取方式,适合复杂的室内环境,因此基于深度摄像头的移动机器人视觉SLAM是近年来的重要研究方向。视觉SLAM的核心步骤是通过视觉信息的提取以计算机器人的位姿,并还原周围地图点信息,因此图像特征点的提取及匹配是影响视觉SLAM系统鲁棒性和精度的重要因素。而在面临纹理细节缺乏、光照剧烈变化的场景下,特征提取能力的缺失、不均匀及匹配精度降低等问题会导致视觉SLAM系统的精度下降甚至运行失效。为提高SLAM系统的精度和鲁棒性,对以上问题提出改进。首先为搭建视觉SLAM的运行平台,利用集成式上位主机、下位控制机、霍尔磁性电机、电机驱动芯片和深度视觉传感器实现了移动机器人的硬件搭建。在软件方面,实现了上位机下位机的通信交互,通过转向计算、电机控制算法及PID控制算法完成了移动机器人的运动控制。为后续视觉SLAM系统的运行提供了基础的软硬件支持。其次在深入研究了传统ORB算法的缺陷后,针对其物体边缘纹理的特征提取能力差、易受光照影响且提取不均匀的问题,利用各向异性扩散滤波结合区域划分对特征提取方法进行改进,并提出了一种动态调整区域的非极大值抑制方法均匀化特征点,有效提高了特征提取能力、抗光照能力及特征点对于图像全局特征的表达能力。之后对于特征匹配问题在综合对比了多种特征匹配算法的优缺点后,针对RANSAC算法随机性过大,易受外点干扰导致精度降低等问题,提出了一种结合特征匹配置信度及网格聚类的改进RANSAC算法,通过多次局部最优内点的筛选来优化全局内点,提高了特征点的匹配精度。然后实现了SLAM的后端优化及地图构建,用Brenner函数评估图像质量筛选高质量关键帧,通过词袋模型和图像相似度计算实现回环检测,检测到回环后通过BA优化和位姿图优化算法调整地图点坐标和相机位姿,保证了局部地图的全局一致性。在综合比较了不同地图形式后,实现了八叉树地图作为最终的地图格式。最后对移动机器人整体情况进行了测试,同时对改进的特征提取及匹配算法进行对比实验,并在改进算法基础之上将本文视觉SLAM系统与ORB-SLAM2系统在TUM数据集上进行对比分析,实验结果显示本文视觉SLAM系统在纹理信息缺乏、光照变化剧烈的情况下保持着更好的精度和鲁棒性。并以移动机器人为硬件基础,搭载视觉SLAM系统进行了实际场景测试,最终完成周围环境的八叉树地图构建。