目前,随着视觉SLAM(Simultaneous Localization and Mapping)技术被越来越多的应用于各个行业和领域,对视觉SLAM技术的时效和精度也有了更高要求。虽然近年来基于视觉的SLAM得到较大发展,但是在局部数据关联、全局数据关联以及不确定信息处理等方面仍然存在问题。基于这个现状,本文采用Kinect作为视觉传感器,研究设计了一种快速、高精度的SLAM方法,在此基础上实现室内三维场景的构建。本文的主要研究内容如下:首先,使用基于SURF特征点匹配的方法进行相机位姿估计。本文对提取的SURF特征点的总数进行了限制,以提高算法的时效性;同时设计使用四叉树算法对特征点在图像中的分布做了均匀化处理,以提高算法的鲁棒性。在特征点初步匹配后,在常用的距离筛选算法的基础上,设计使用了一种可以快速计算的斜率模型RANSAC算法,对特征点匹配结果进一步筛选,提高特征点匹配的正确率。最后使用高斯牛顿算法最小化重投影误差进行相机位姿的估计。其次,使用基于视觉词典的算法进行闭环检测。本文在传统视觉词典的基础上加入了离群点的处理,提高视觉词典的描述能力;其次,改用k-means++算法进行聚类操作,消除k-means算法的局部最优问题,并使用三角不等式原理简化聚类过程。最后使用视觉词典生成图像的视觉词包向量,通过相似度的计算找出相似度较高的历史帧,然后通过计算内点数量判断闭的发生。最后,使用图优化的方法实现室内三维场景的构建。为了减少不确定信息的影响,通过对SLAM问题构建图模型,将SLAM问题转化为图的优化问题;利用SLAM问题的稀疏性,使用LM(Levenberg-Marquardt)算法完成图的优化工作,在这个基础上进行点云拼接,实现室内三维场景的构建。通过理论分析和实验验证,本文的研究工作比较好的解决了SLAM算法的精度和计算效率问题,为视觉SLAM技术的发展提供了有益的参考和帮助。