近年来,随着人工智能的热潮,学术界和工业界对计算机视觉的研究越来越多样。其中同时定位与地图构建(Simultaneous Localization and Mapping,简称SLAM)这一技术引起了广泛关注,而这一技术是机器人走向智能化的重要一步。移动机器人需要在未知环境中估计出自身的位置并且能够描绘出周围的环境,无需人类的交互也能完成特定的任务。早期移动机器人主要是依靠激光雷达、声呐,在空间中进行移动,最后将空间点映射到二维地图上。随着相机种类的增加和计算机视觉的发展,依赖相机的SLAM系统日益丰富。相机相比于激光雷达,价格低廉,功率较低,获取信息丰富,使得装有相机的SLAM系统在学术界和工业界应用越来越广泛。基于视觉的SLAM系统被称作是V-SLAM(Visual SLAM)。本文重点针对相机定位和点云感知两个问题开展研究,主要创新工作如下:1)针对相机定位提出了一种新的基于平面标记的相机位姿计算方法,设计了两个分离共面圆标记,基于该标记图像,可以直接计算出相机位姿的参数。本方法不需要在多点之间进行匹配,只要单幅图片即可估计出相机位姿。此外,由于使用的特征是共面圆的边缘信息,即使面对相机快速运动和图像模糊,也可保证其计算相机位姿的鲁棒性。本文算法在仿真数据和真实数据上,都和该类相关方法进行对比实验。实验结果表明,本方法取得了相当高的精度和稳定性。2)针对现有的三维数据结构,提出了一种新的以点云作为输入的网络结构。该网络包含了通道注意力模块和局部聚合描述符向量(Vector of Locally Aggregated Descriptor,VLAD)网络模块。以PointNet作为基准,本文在数据集ModelNet40和S3DIS数据集上分别进行分类和分割实验,测试结果证明了本文方法的有效性。