随着人工智能技术的快速发展,智能机器人开始广泛应用于工业生产、军事作战以及居民生活的方方面面。是否具有同步定位与地图构建的能力是判断移动机器人是否具备自主导航能力的关键条件之一。视觉传感器因其成本低、探测范围宽、信息量大、特征丰富、图像特征易于提取的特点,已被广泛地应用在基于视觉的同步定位与地图构建（Visual-based Simultaneous Localization and Mapping,VSLAM）中。为解决移动机器人VSLAM中存在的机器人定位精度低,以及闭环检测结果准确度低的问题,本文首先将AKAZE算法应用在移动机器人VSLAM特征提取与匹配中,提出了基于AKAZE的移动机器人三维VSLAM算法,提高了移动机器人的定位精度,然后将深度学习模型Places365-VGG应用在VSLAM闭环检测中,提出了基于Places365-VGG的移动机器人VSLAM闭环检测算法,验证了基于Places365-VGG的移动机器人VSLAM闭环检测算法的有效性。论文的主要成果有:（1）提出了一种高精度的移动机器人三维VSLAM算法,即基于AKAZE的移动机器人三维VSLAM算法。该算法主要包括前端和后端两部分。前端首先对Kinect相机采集到的RGB图像用特征提取与匹配算法AKAZE建立其相邻帧之间的对应关系,接着利用随机抽样一致性算法去除外点,然后利用得到的内点计算移动机器人的相邻位姿。后端利用g2o图优化方法对机器人位姿进行优化,获得全局一致的机器人运动轨迹以及环境的二维模型。（2）提出了一种基于卷积神经网络的移动机器人VSLAM闭环检测算法,即基于Places365-VGG的移动机器人VSLAM闭环检测算法。首先使用一个预训练的CNN模型Places365-VGG对图像提取网络的poo15层特征,将该层输出一维化生成图像的特征向量,然后使用余弦距离作为图像相似性度量的计算方法,计算两幅图像之间的余弦距离,以余弦距离的大小判断两幅图像是否相似,以此来判定是否检测到闭环。基于标准数据集的离线三维VSLAM实验结果以及真实场景下的在线三维VSLAM实验结果表明,本文提出的基于AKAZE的移动机器人VSLAM系统能够有效构建环境的三维地图,准确估计出机器人的运动轨迹,提高了移动机器人的定位精度,验证了本文提出的基于AKAZE的移动机器人VSLAM系统的有效性和准确性。从基于标准数据集的移动机器人VSLAM闭环检测结果可以看出,本文提出的基于Places365-VGG的移动机器人VSLAM 闭环检测算法能够有效检测出标准数据集中存在的闭环,验证了基于Places365-VGG的移动机器人VSLAM闭环检测算法的有效性。