同时定位与地图构建(SLAM)是目前移动机器人研究领域最前沿的技术问题。机器人自主导航是未来发展的趋势,SLAM正是机器人具备导航能力的基础。随着图像处理技术的日趋成熟,视觉传感器在移动机器人SLAM研究上被广泛采用。正是基于视觉传感器具有成本低、能耗小、采集信息量大以及直观性好等诸多优点,其已被认定为机器人SLAM最可靠的传感器之一。本文重点研究双目视觉机器人SLAM所应用的算法。本文主要分为三部分,第一部分具体分析了移动机器人SLAM系统需要解决的核心难点问题,并建立了机器人运动模型、观测模型、里程计模型以及摄像头模型,并对摄像机模型进行了标定。机器人模型的建立为实验系统平台奠定了理论基础。第二部分重点研究了双目立体视觉中的ORB特征点提取及匹配算法,并提出优化的误匹配点剔除算法。优化的算法在图像匹配过程中剔除误匹配点,同时通过限制迭代次数估计单应矩阵并重新判断内点。通过实验证明,这种方法能够有效的对错误匹配对进行剔除并提升匹配准确率。第三部分研究了 FastSLAM算法的基本原理,并对FastSLAM算法进行了优化。原FastSLAM算法通过一个粒子滤波器来实现定位,通过N个独立的扩展卡尔曼滤波来实现地图创建问题。优化算法的采样新位姿过程同样采用粒子滤波器算法,但在N个独立的EKF来实现地图创建问题上改用UKF算法进行后验概率逼近完成路标估计。通过实验验证了优化算法的可行性。本文最后将理论与实践结合,设计并搭建了移动机器人SLAM实验平台。本文选取四轮机器人作为移动机器人主体,建立了双目视觉测距系统实现对环境特征信息的采集。该平台具备对周围环境信息采集能力的同时,也具备自主移动能力、位姿检测计算能力。双目视觉系统将采集到的信息传送到上位机进行处理,最终完成双目移动机器人SLAM任务。从平台实验结果来看,验证了优化算法的可行性。