同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术能够实时并行完成三维环境地图构建和传感器的位姿估计,在智能机器人及智能系统、虚拟现实(VR)、增强现实(AR)等领域有着广泛的应用。视觉系统与激光雷达是SLAM技术应用中最常使用的两种传感器。视觉传感器的优势是能够以较高的帧率获得丰富的场景信息,但其易受到光照变化的影响;激光雷达可实时获得三维空间的精确场景测距信息且可全天时工作,但是其数据获取频率远低于视觉传感器,且无法提供色彩纹理等信息。为了弥补单一传感器的不足,本文对基于激光视觉数据融合的室外同时定位与地图构建问题展开研究。为了完成激光雷达与单目视觉传感器的数据融合,需要对两传感器进行标定即求解两者间的外部参数。针对上述联合标定问题,本文提出了一种激光雷达与单目视觉的联合标定方法。该方法设计了一种正六边形标定板,分别提取激光点云与图像中的标定板角点,建立匹配对并获得多组匹配对数据,从而通过求解PnP(Perspective-n-Points)问题来获得标定结果。实验的结果表明本文所提标定方法能够满足实际应用需求。本文基于现有的ORB-SLAM2系统框架,重新设计了一套完整的激光视觉数据融合的室外SLAM系统。为了解决单目视觉尺度缺失问题,本文将激光雷达产生的点云投影到像素平面来求取图像特征点的深度,从而恢复系统的尺度,并可在视觉跟踪环节中提供更多的地图点。除此之外,利用激光雷达360°扫描的特点,本文所设计的激光视觉融合系统可以检测到视觉检测不到的闭环,并以此为基础进行闭环矫正,以降低系统累计误差。由于视觉特征点法只能提供稀疏地图,而本文所提激光视觉融合SLAM系统可实时提供三维环境稠密地图,且该地图构建将视觉前端所获得的位姿进行坐标变换,变换后的位姿可作为激光里程计的位姿初值,从而有效保证了三维建图的精度。为了验证本文所提算法的有效性,采用KITTI公开数据集进行对比试验,具体分别与ORB_SLAM2、LDSO、Lego-LOAM三种算法进行了开环与闭环的实验对比。实验结果及数据分析表明,与当下有代表性的系统相比,本文所提的激光视觉数据融合的SLAM系统具有更好的精度或可比性。