移动机器人自主定位导航技术处于当前机器人领域的前沿,代表着人工智能技术的发展方向,同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)的技术更是热门研究课题。近年来,伴随着图像处理技术的日趋成熟,由于双目传感器最接近人类的感知活动,且相比以往在SLAM中使用的其他传感器具有价格低廉、结构简单、能耗小、环境适应性好和能得到特征深度信息的精度及效率更高等诸多明显优点,其已被认定为机器人SLAM最可靠的传感器之一,所以基于双目相机实现SLAM应用场景将更加广阔。本文通过对双目图像进行特征提取及匹配实现了同时定位及建图,基于特征提取与匹配优化、后端优化、回环检测等环节进行了改进和验证分析,设计了前后端相结合的双目视觉SLAM方案框架。本文首先论述了双目视觉SLAM研究的背景意义以及当前的SLAM框架研究现状,采用张正友相机标定方法对本课题所用双目相机进行内外参标定实验。其次,提出了一种基于网格运动统计的自适应特征匹配算法,通过对待检测图像引入网格划分,依次对每个网格区域设置自适应阈值进行特征点检测;通过使用二进制描述符rBRIEF对特征点描述并基于汉明距离完成特征点匹配;采用GMS算法做初次误匹配点剔除,并利用RANSAC算法筛选出精确匹配点,解决了 GMS算法性能依赖特征点数量且在特征点检测较少时存在误匹配集中的问题。然后在后端优化中采用位姿图优化方法以提升后端计算效率;针对回环检测中常用词典模型存在的缺点,采川改进TF-IDF的视觉词典构建方案并进行回环校正,从而增加单词了的区分度,使得图像查询更加精确。通过实验证明本文回环检测算法有更高的检测准确率,在回环检测性能上优于传统的回环检测算法。最后通过采集到的实际数据验证了本课题中双目视觉SLAM系统在实际定位及建图中的可行性。