移动机器人的产业诞生于20世纪60年代末。近些年,随着高新科学技术的迅猛发展,移动机器人的研究越来越深入,应用领域越来越广泛。其中移动机器人在无先验知识的环境下,实现同时定位与环境地图构建(SLAM,Simultaneous Localization and Mapping)过程是其研究的重要领域,而视觉SLAM的研究则是该领域的重要研究方向。本文在使用RGBD视觉传感器的前提下,提出了基于ROS(Robot Operating System)的移动机器人改进视觉SLAM算法。研究内容主要围绕以下三个部分展开:(1)室内环境下特征提取及匹配的设计与实现,这是实现视觉SLAM系统的前提。在室内环境下,RGBD相机采集图像的彩色及深度信息,系统根据图像信息进行特征提取及匹配。本文对SIFT、SURF、ORB这三种特征匹配算法进行实时性的对比,然后根据提取的图像分别进行初次匹配和RANSAC匹配,为系统构建全局地图做准备。(2)基于RGBD-SLAM算法的系统的设计与实现。首先分析了视觉SLAM的系统框架,对前端、后端优化、建图和回环检测进行了阐述,介绍了基于BA的后端优化、点云拼接、回环检测及基于g2o的图优化。通过ICP算法构造室内环境的局部三维点云,然后通过加入回环检测机制,验证了本文提出的RGBD-SLAM算法的准确性和可靠性。(3)基于ROS与RBGD传感器的机器人地图构建设计与实现。首先进行ROS的平台搭建,完成了机器人和PC端的通信配置。实验部分:首先采用RANSAC算法进行特征匹配,通过实验验证了通过RANSAC算法匹配之后,提高了系统在特征匹配阶段的效率;然后,针对基于ROS的移动机机器人地图构建系统进行了实验,验证了RGBD-SLAM算法的可行性,并通过加入回环检测机制,提高了地图构建的准确性。实验结果表明,视觉SLAM前端部分初次匹配效率为63.46%,经过RANSAC二次匹配之后匹配效率为88.70%,使系统效率在特征匹配阶段提高了25.24%;视觉SLAM通过加入回环检测机制,使建图精度提高了55.56%;实验最终得到的三维地图虽然细节部分有些模糊,但整体轮廓基本清晰完整,可以满足日常需要。