同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是指搭载特定传感器的主体,在没有环境先验知识的情况下,于运动的过程中完成环境模型的构建,同时估计自身的运动。近年来,由于视觉传感器的发展,视觉SLAM成为研究的热点,同时点特征是视觉SLAM中最广泛、最基础的特征,然而通过视觉传感器对点特征的提取对于环境纹理性要求较高。对于纹理性很差的弱特征环境,双目相机很难根据计算得出深度图,从而重建出来的三维图像的效果不太理想。本文针对弱特征环境下,将双目与结构光相结合,对SLAM展开研究,具体工作如下:1、通过双目相机采集纹理性很弱环境下的左右图像数据集,并对数据集进行前期的预处理工作,即双目校正。其中主要包含了畸变校正与极线校正。畸变校正主要是处理由于凸镜所产生的图像形变的问题,极线校正主要是解决左右相机的光轴不完全水平的问题,为后续图像的深度计算提供标准的数据集。2、双目立体匹配中分别采用半全局立体匹配和全局立体匹配二种不同的算法获取视差图,从而获得深度图。同时提出了基于结构光的先验知识,设计符合先验知识的卷积模板,寻找特征点,通过左右图像特征点的获取顺序,一一匹配特征点,计算匹配上的特征点的视差,根据视差与深度的数学关系模型,转换成深度图的整套SLAM重建算法。通过比较半全局立体匹配、全局立体匹配和基于结构光先验知识三种算法所获取深度图的效果,验证结合结构光先验知识的算法的优缺点。3、生成点云图像,主要是通过直接线性PnP变换和最小化重投影误差二种不同的算法,获取相邻帧间的三维空间变换关系,获取位姿。结合深度图和RGB图获得单帧的点云图,通过计算得到的相邻帧间的位姿,拼接点云图,从而实现了点云图的不断扩展。