作为人工智能新兴产业之一,智能机器人的技术研究和创新应用备受重视。一个智能机器人应当具备感知和理解复杂动态场景的能力,以及面对复杂环境时自主运动的能力。同时定位与地图构建算法(Simultaneous Localization and Mapping,SLAM)是实现机器人自主移动的关键技术。SLAM技术可以估计机器人的运动,同时建立未知环境模型。SLAM技术目前还应用于其它多个领域,如:增强现实、无人驾驶、无人机。如果SLAM系统的输入信息只有来自相机的视觉信息,那么这种SLAM方案为视觉SLAM。在一些人造场景中,纹理缺失和光照变化等情况的出现会影响视觉SLAM系统的稳定性。此外,SLAM算法应具备认知、理解环境中高层次信息的能力,并提高地图的再利用性。栅格地图是广泛应用于机器人导航的地图类型。对栅格地图的自由区域进行分割,可以获取语义信息,并用于机器人全局定位。为了加强视觉SLAM系统对特殊场景的处理能力和提取栅格地图中的语义信息,本论文开展基于点线特征的双目视觉同时定位与地图构建算法和基于图的栅格地图分割算法的研究。论文主要内容如下:(1)提出了点线特征耦合的线段匹配方法。以基于网格的运动统计方法剔除点特征错误匹配,可以获得数量更多的正确匹配。针对线段特征不具备全局约束的缺点,本论文利用点特征匹配估计多层单应矩阵,从而建立线段特征的几何约束。根据图像中特征之间的几何关系,建立并求解稀疏优化模型,最终实现点线特征耦合的线段匹配。本论文提出的方法不仅建立了线段特征间的几何约束,还建立了点、线特征间的几何约束。在含有不同场景的数据集测试下,验证了点线特征耦合的线段匹配方法的准确度和实时性。(2)实现了基于点线特征的双目视觉同时定位与地图构建算法。为了加强视觉SLAM系统对特殊场景的处理能力,本论文考虑了点、线段特征在图像上的分布,加强了两种特征间的联系,并对PL-SLAM系统中的特征匹配相关环节进行改进。在双目匹配过程中,利用双目相机模型建立了线段特征间的几何约束,实现线段特征匹配。在相邻帧特征匹配过程中,采用相机匀速运动模型预测当前时刻相机的位姿,判断空间点、线在当前帧图像中的投影位置并建立几何约束,从而实现线段特征匹配。在新关键帧插入时,通过跟踪线程估计的位姿将局部地图中的路标与新关键帧的特征进行关联,实现局部地图特征匹配。测试结果表明,本文实现的双目视觉SLAM系统可以在低纹理场景和光照变化场景下稳定运行。(3)提出了基于图的栅格地图分割方法。栅格地图的自由区域表示了机器人可以通过的区域。为了从栅格地图中提取语义信息,利用迭代自组织数据分析算法对自由区域的空闲栅格进行聚类。用一个无向图表示分割结果,通过广度优先搜索的方式进行区域合并。优化分割区域后,获得栅格地图分割结果。分割区域反映了机器人所有当前可能出现的区域。实验结果表明,本文方法比其它方法更接近真实分割。此外,本文提出的地图分割方法为机器人全局定位提供了一种解决方案。