SLAM(Simultaneous localization and mapping,同时定位与地图构建)是指根据传感器获取的信息,构建环境地图及实现自主定位。由于视觉传感器具有成本低,功耗小,信息丰富等优点,视觉SLAM成为移动机器人自主导航的关键技术之一。本文主要利用双目相机对视觉SLAM进行研究。本文针对移动机器人同时定位与地图构建中存在的误差问题,提出利用双目相机相邻帧的四张图片进行特征匹配,以提高移动机器人位姿估计和地图构建的准确性以及鲁棒性。本文主要工作如下:1.针对双目视觉SLAM中特征点的特征提取与匹配问题,本文利用双目相机相邻两帧的四张图片进行特征匹配,如果四张图片都能匹配成功,则认为是有效的匹配,可以获得较为准确的特征点。同时,对匹配的点进行三角划分剔除误匹配,这样可以获得更加准确的特征点。2.针对SLAM前端中移动机器人位姿的准确求解问题,本文在初始位姿估计时,为不同的特征点赋予不同的权重,减小了误差。将求得的移动机器人位姿设为初始值,然后采用图优化的方法将位姿和特征点一起联合优化,得到更加精确的解,通过使用该算法可以得到更加准确的位姿估计值。3.针对双目视觉SLAM的实时性问题,本文在后端优化时利用矩阵的稀疏性,进行加速运算。经优化后,特征点往往会收敛到一个固定值,此时,仅利用位姿之间的约束关系,对位姿进行优化,后端的优化效率得到提升。4.针对如何进行回环检测及优化问题,本文采用基于视觉词袋模型的闭环检测算法对当前关键帧与先前关键帧进行相似度检测,根据相似度判断是否存在回环,若检测存在回环,把回环检测的结果传递给后端进行优化,以减小累积误差。利用这种方法进行回环检测具有较高的效率与准确度。最后,对全文进行总结,并对进一步的研究提出展望。