随着移动机器人应用领域的不断拓展，即时定位与构图（Simultaneous Location and Mapping，SLAM）技术作为其关键技术得到了广泛关注。在视觉SLAM研究领域，以 Kinect为代表的 RGB-D相机凭借着其独特优势被广泛用于解决室内 SLAM问题。但当前基于RGB-D图像的SLAM研究在算法实时性、准确性方面仍存在许多问题亟待解决。因此，本文结合实际需求，在传统RGB-D SLAM系统解决方案的基础上，对影响SLAM系统效果的关键技术进行了更为深入的研究。　　首先，在SLAM图像前端算法研究部分，通过实验分析SIFT，SURF和ORB三种特征提取算法特点，对比了穷举法和快速最近邻逼近搜索法的适用性，分析了最小距离比例法和随机采样一致性算法匹配提纯的效果，完成误匹配剔除方法的确定。在上述研究基础上，根据RGB-D相机深度信息误差的特点，提出了一种基于自适应性方法的改进RANSAC算法，并将其应用于位姿估计环节，通过实验验证了该改进算法的高效性、准确性和鲁棒性。　　其次，在SLAM后端优化与构图部分，为了合理选择关键帧信息，结合常用方法的优点，提出了一种结合内点判定法与相对运动大小判定法的关键帧提取方法，同时采用了基于近距离回环与远距离回环的帧间配准闭环检测方法。在上述研究基础上建立全局位姿优化图并利用 g2o求解器完成了优化求解。同时对比分析了生成的两种不同形式地图。　　然后，基于上述研究，在利用黑白棋盘法对Kinect2.0进行相机标定后，搭建RGB-D SLAM系统实验平台并进行了真实环境实验研究，验证了系统方案的可行性；同时利用基准数据集对不同环节的多种算法进行了对比实验研究，确定了各环节不同算法对RGB-D SLAM系统效果的影响因子，有效地推进了RGB-D SLAM系统在工程实际中的应用。　　最后，总结了全文并对未来研究方向做了展望。