目前智能移动机器人是很多学者研究的主要方向,而同步定位与地图构建技术是移动机器人能够实现自主移动的关键。视觉SLAM系统是指搭载相机为传感器主体,能够同时进行定位与地图构建的技术。因其传感器性价比较高,且获取信息更加丰富,是SLAM技术领域的主要研究对象。其中采用深度相机的视觉SLAM系统可以同时获取一一对应的彩色图与深度图,为SLAM系统的研究带来了很大的便利。但现有的视觉SLAM系统仍存在诸多缺点,如前端位姿估计不够精准,后端进行整体优化耗时过长,从而限制了机器人的行进速度等。本文在现有SLAM系统模型的基础上,采用深度相机对前端视觉里程计和后端全局优化进行改进。针对前端相机位姿估计部分,本文主要研究在不影响实时性的前提下对相机位姿的估计进行精度上的提升。采用ORB特征提取算法对彩色图像进行特征提取并计算描述子,同时根据关键帧阈值构建局部地图,再根据局部地图中地图点的描述子和当前帧的彩色图像进行特征匹配。最后,采用Pn P算法依据正确的特征匹配结果计算相机位姿为保证定位过程的鲁棒性,本文提出在计算相机位姿后,利用三角测量对局部地图中地图点的深度进行更新。同时将三角化的深度值与对应的深度图中获取的深度值进行数据融合。更加精准的深度信息可提高特征匹配的效果,从而提高相机位姿估计值的精度。针对后端优化部分,本文对光束平差法优化算法进行改进,提出了一种实时性更好的后端优化方法。改善了BA优化随着场景逐渐扩大,计算量急剧增大,影响实时性的缺点。该方法首先采用HITS算法对相机位姿点以及路标点的重要性进行排序,然后根据排序结果把关联性差的节点删除,从而减少后端全局优化中待优化的节点的数目,达到提高实时性的目的。本文最后使用TUM数据库中fr1系列数据集进行测试,验证前端视觉里程计部分的精度变化,以及后端全局优化的效果。