随着工业4.0的全面发展,机器人已经不单纯是机械领域的代表,人工智能、机器视觉和云计算的发展,使得机器人的功能和应用场景更加丰富,人类社会对于智能机器人的需求也变得多样化,在这些众多的需求中,对于机器人能够在空间中自主定位并对空间进行三维重构这一项需求来说,是很多功能的基础,而且直接决定了机器人能否出现在人类未来的生活中。本文所研究的方向就是基于RGB-D相机的机器人能够在空间中进行自主定位的同时,来完成对场景地图的重建。为了降低噪声对系统的影响使输出结果更加准确并提高系统的稳定性,本文主要从以下几个方面进行研究:首先对RGB-D所拍摄的图像进行分析,得出噪声在深度相中的分布形况,然后根据噪声的分布,为了降低噪声对运动估计的影响,提出了一种基于平面化参数的特征点降噪提取方法,该种方法能够利用平面化参数将特征点的深度值进行修正,从而降低噪声的影响,最后获得一个相对稳定的运动估计,使系统的鲁棒性得到提高,同时给出了与传统提取法的比较实验。然后,对SLAM(Simultaneous Localization And Mapping)非参数化方程进行了讨论,根据观测数据的形式导出了其概率模型,针对概率模型中的最大似然估计导出了最小二乘方程,将原问题转化为非线性问题。同时,在求解非线性方程的过程中,本文讨论了其增量方程的稀疏性,稀疏性能够保证方程的求解效率,满足了系统的实时性要求。其次,本文在系统中加入了回环检测模块,回环检测模块的作用是能够降低定位算法中产生的累积误差,这种累积误差是只考虑了连续时间上的数据关联而造成的,而回环检测将空间中的约束考虑进来,通过对同一场景不同时刻所拍摄的图像进行匹配,提供新的约束来达到消除累积误差的目的。最后,根据最后优化得到的运动轨迹数据,来对场景进行三维重建,本文中展示了两种建图方式:点云地图和八叉树地图。根据使用场景和应用需求的不同,对这两种构建地图的方式进行了对分析和讨论。