地图构建是移动机器人领域的重点研究方向,是移动机器人实现自主导航的前提。地图构建的核心技术是同时定位与建图（Simultaneous Localization and Mapping,SLAM）。SLAM是指机器人本体在未知环境中运动时,估计自身运动,同时构建环境的地图。移动机器人在室外的地图构建方法选择和应用是其设计的难点之一。SLAM按其传感器类型可以分为基于激光雷达的SLAM方法和基于相机的SLAM方法,激光雷达受光线干扰小,探测距离远。而相机的信息更加丰富,不受地形影响,可以提供3D位姿和里程信息。因此,在室外环境下,利用视觉SLAM为激光SLAM提供辅助信息,结合两种方法的优点,具有一定的研究意义。本课题以室外环境下的地图构建为目标,主要研究和工作如下:首先针对基于ORB（Oriented FAST and Rotated BRIEF,ORB）特征提取的ORB-SLAM2算法框架特征提取耗时的缺陷,优化了其算法的跟踪线程,实现了实时性较高的视觉里程计。主要方法是利用计算速度快的稀疏直接法处理非关键帧,同时保留ORB-SLAM2的关键帧选取策略和后端优化模块,在基本保证算法精度的前提下减少了计算量,提高了算法的运行速度。实验结果表明,该方法提高了ORB-SLAM2的实时性。随后对基于移动机器人的地图构建进行研究,以地图精度和计算资源的消耗量为指标,对比Hector方法、Gmapping方法、Cartographer方法三种激光SLAM算法,分析算法的优缺点。通过对实验结果的分析,最终选择Cartographer作为移动机器人的地图构建算法。在此基础上,利用前文实现的改进视觉里程计,为Cartographer提供一个具备参考意义的初始位姿。最后将算法部署到移动机器人上,进行室内外的地图构建实验,通过对比地图对实际场景的恢复效果验证算法的有效性,从而为移动机器人室外地图构建提供了一套可行方案。