同时定位与稠密地图构建是移动机器人实现环境探索和导航的关键。如何在光照和视角变化大的环境下保证相机姿态定位的准确,如何在利用现有图像信息下估计稠密深度图,如何对稠密地图进行表达以及每次观测的融合,是同时定位与稠密地图构建需要克服的关键问题。本论文在总结前人工作的基础上,对移动机器人同时定位与稠密地图构建进行了研究。针对光照和视角变化大的环境下相机姿态定位中的特征点匹配问题,稠密深度图的估计问题,以及稠密地图的表达和观测融合提出了一些改进算法和方案,以保证在相机定位准确的同时进行稠密地图的构建。本文的研究内容主要包括以下几个方面:1.对于基于特征点法的相机定位而言,特征点匹配在视角和光照变化大的情况下容易匹配失效,导致数据关联的失败。本文利用卷积特征对光照和视角变化具有一定鲁棒性的特点,采用路标作为中间表征来提高特征点匹配的质量,可在一定程度上提高特征点匹配的鲁棒性。2.对于稠密地图的构建,稠密深度图是稠密地图构建的关键输入信息。受到ORB-SLAM2系统产生的稀疏空间点以及卷积神经网络强大回归能力的启发,本文提出了基于残差网络的稠密深度估计框架,可以有效的从ORB-SLAM2产生的稀疏空间点和对应图像信息,生成稠密深度图。3.针对稠密地图的构建,本文提出了基于关键帧的局部稠密地图构建系统。具体的,本框架通过截断符号距离函数(TSDF)融合和ORB-SLAM2相机跟踪结果对每次观测进行融合,并通过在线调整维护地图的全局一致性,进而对构建的稠密地图进行正则化,并通过滑动窗口维护稠密地图的规模,从而快速、有效构建稠密地图。