同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)作为业内公认的空间定位技术的前沿方向,在过去的30年中取得了令人瞩目的成果。其主要解决了移动机器人在未知环境中的定位与地图构建问题,主要应用于机器人自主侦查、巡检与智能运输。其中视觉SLAM技术因其使用的视觉传感器成本低廉、信息量大、便于安装等优势成为了该领域的研究热点。针孔相机是机器视觉领域最广泛使用的传感器,然而由于针孔相机的视野范围有限,因此在相机位姿估计的稳定性和精度上存在不足。相比于针孔相机,全景相机拥有360°的视野范围,这意味着相机可以同时获取到环境中所有视角下的特征,最大限度地提高了相机获取的信息量,对相机姿态估计与地图构建提供了更加充足的数据。本文提出了一种基于全景相机的视觉SLAM算法,利用全景相机大视角的优势提高了实时相机姿态估计的精度,同时实现了3D稀疏特征地图的构建。通过实验表明本算法适用于室内与室外环境,为移动机器人定位与导航任务提供了有效的解决方案。本文的主要研究成果包括:1.建立了全景相机的球面模型,并根据此模型改进了系统初始化的方式,提高了初始化的成功率与精度。在初始化过程中使用特定区域的特征进行相机位姿的计算,避免了本质矩阵分解的错误结果,然后初始化结果进行优化,在提高初始化成功率的同时也提高了其精度。2.针对全景相机球面模型重新定义了相机的重投影误差,并推导了在光束法平差与位姿优化中基于此重投影误差的雅克比,最后使用最小二乘法迭代进行相机位姿与地图点的最优估计。3.设计了一套完整的视觉SLAM系统,其中包括了:系统的初始化,视觉跟踪、地图构建、闭环检测和重定位。其中视觉跟踪、地图构建和闭环检测分别在三个独立的线程中进行,在功能实现的同时也保证了系统的实时性。