摘要：针对移动机器人视觉同步定位以及地图构建（Simultaneous localization and mapping,SLAM）研究中存在精确度较低、实时性较差等问题，提出了一种用于移动机器人的RGB D视觉SLAM算法。首先利用定向二进制简单描述符（Oriented fast and rotated brief,ORB）算法提取RGB图像的特征点，通过基于快速近似最邻近(Fast library for approximate nearest neighbors,FLANN)的双向邻近(K-nearest neighbor,KNN)特征匹配方法得到匹配点对集合，利用改进后的随机抽样一致性(Re-estimate random sample consensus,RE RANSAC)算法剔除误匹配点，估计得到相邻图像间的6D运动变换模型，然后利用广义迭代最近点（Generalized iterative closest point,GICP）算法得到优化后的运动变换模型，进而求解得到相机位姿。为提高定位精度，引入随机闭环检测环节，减少了机器人定位过程中的累积误差，并采用全局图优化(General graph optimization,G2O)方法对相机位姿图进行优化，得到全局最优相机位姿和相机运动轨迹；最终通过点云拼接生成全局彩色稠密点云地图。针对所测试的FR1数据集，本文算法的最小定位误差为0.011 m，平均定位误差为0.024 5 m，每帧数据平均处理时间为0.032 s，满足移动机器人快速定位建图的需求。

关键词：移动机器人 视觉同步定位与地图构建 广义迭代最近点 图优化 

单位：北京林业大学工学院; 北京100083; 林业装备与自动化国家林业和草原局重点实验室; 北京100083