随着人工智能技术的不断发展与进步,移动机器人被广泛应用于工农业生产、家庭生活以及军事航空等多个领域,移动机器人作为服务人类的载体平台,受到越来越多的国家地区、企业以及科研院所的广泛关注,其自主导航问题更是成为该领域的研究热点。移动机器人导航技术是提升机器人应用智能化的关键技术,但是该技术距离完全实用化,还面临诸多困难。机器人的定位与环境地图的构建、机器人路径规划是导航技术中亟待解决的两个关键问题。针对机器人自主导航问题,本文以单目相机作为探测环境的传感器,融合惯性测量单元,进行了机器人定位与稠密地图构建、路径规划问题的研究。论文的主要工作为:(1)实现了基于单目直接法与惯性信息融合的SLAM系统构建。鉴于基于图像特征的视觉SLAM方法只能创建稀疏地图,而进行机器人环境稠密重建的方法大多需使用深度相机,或者是用GPU来进行稠密地图构建,文本对此提出了一种基于单目直接法与惯性信息融合的SLAM系统方案。本系统前端采用基于直接法的位姿跟踪,并将惯性测量单元(IMU)数据紧密关联到图像跟踪过程;后端基于紧耦合的滑动窗口非线性优化方法,求解机器人位姿和三维路标点坐标,并通过边缘化方式在优化过程中保留足够的先验信息。基于直接法与IMU融合的定位实验表明:将单目直接法融合惯性信息,不但能获得视觉定位的高精度而且能够达到惯性信息定位的稳定性,优势互补,减少位姿估计的误差,提高了定位精度。(2)实现了稠密点云地图及二维栅格地图的构建。针对机器人使用单目相机进行地图构建的问题,本文在半稠密点云地图的基础上,通过超像素图像分割提取图像不同的轮廓位置,提出双重投影匹配算法来确定出超像素轮廓对应的3D点,通过RANSAC随机抽样一致性对低梯度图像区域进行平面拟合,构建出稠密点云地图,较完整的展示了物理空间环境;然后经过点云过滤后将稠密点云地图转换为融合了环境高度信息的二维栅格地图,提供给机器人完成路径规划任务。通过稠密点云地图构建实验的结果表明,本文构建的点云地图相比于DPPTAM算法,稠密度与准确率更高。(3)进行了基于改进布谷鸟搜索算法的机器人地面路径规划研究。针对二维空间的机器人路径规划问题,本文将布谷鸟群智能算法应用到机器人的路径规划任务中。通过分析布谷鸟搜索算法的优势以及缺陷,提出了改进后的布谷鸟智能算法,将布谷鸟群的步长因子与鸟巢被发现的概率值设置为随着迭代次数增加而自适应减小的变量,以此提高算法收敛速度。然后针对二维栅格平面上的机器人全局路径规划问题,进行了离散布谷鸟算法的设计。通过仿真实验表明,本文提出的路径规划算法能够以较快的速度搜索到全局最优路径。本文围绕基于单目相机和惯性信息融合的机器人定位与稠密地图构建、最优路径规划等问题进行了研究,其工作内容对移动机器人的导航技术研究具有一定参考价值与实际应用意义。