近年来,人工智能广泛应用于目标感知、模式识别和无人驾驶等领域。其中,服务型机器人主要利用激光点云对外界进行感知,并结合同时定位与构图(Simultaneous Localizationand Mapping,SLAM)算法,实现导航和避障等智能化操作。然而,传统的SLAM算法主要通过单一传感器进行导航与地图重建,受限于点云的无序性、稀疏性和密度不均匀性等,稳定性较差。在保证低研发成本的基础上,本文提出了基于视觉融合激光回环检测的SLAM算法,主要研究内容和创新点如下:1.安防巡检机器人系统分析。分析了差分轮式机器人运动学模型,平面运动机器人每个时刻位姿求解;回顾了二维激光雷达三角测距方法和Xtion相机的空间深度信息计算原理;结合最小二乘法标定机器人底盘和二维激光的位置参数,求解出感知信息与机器人底盘的坐标系变换矩阵。2.传统激光、视觉SLAM算法回顾。介绍了激光前端相关扫描匹配方法,即利用里程计估计位姿构造似然场,以一定角分辨率和角偏移值对当前帧投影,最后通过多分辨率搜索位姿求解最佳匹配位姿,并在后端进行非线性优化;分析了视觉SLAM算法,其利用前端提取的ORB(ORiented Brief)特征实现地图构建和位姿估计,后端则结合LM(Levenberg-Marquarelt)算法优化相机位姿和地图点位置,并由词袋向量表示两帧图像相似度,判断机器人是否回环。3.视觉融合激光的回环检测方法提出。首先,引用视觉词袋模型作为激光回环检测的判断依据。然后,当激光前后两帧因为偏移位置过小无法进行回环时,视觉关键帧和激光关键帧通过时间戳进行对齐,视觉当前帧通过外观验证和几何验证检测出回环关键帧,同时视觉回环关键帧对齐到激光帧,使激光帧进行全局优化。当激光和视觉都检测到回环时,以激光回环为标准进行位姿优化。通过实验证明,在特定小环境中单独激光无法检测到机器人回环,而视觉激光融合可以100%检测到回环;在特定大环境中单独激光回环检测率60%,视觉激光融合为100%。4.机器人在实际环境中巡检任务的完成。在机器人巡检策略中设计了以常规模式或者特定模式实现的初次巡检、二次巡检以及三次巡检;巡检中定义了以门、窗户、室内灯光等安检对象,并实现了对安检对象安全状态识别。实验中机器人加载基于视觉激光融合构建的环境地图,系统通过ROS通讯机制实现目标检测。