随着机器人和人工智能技术的飞速发展,在大多数应用场景中,对机器人导航、定位的精度提出了更高的要求,因此需要构建更加准确的环境地图。RGB-D地图具有精度高、细节丰富以及交互性强等优点,但是RGB特征抗干扰性较差。为了解决移动物体在动态环境中产生大量噪声的问题,本文以RGB-D SLAM为基础开发框架,Kinect为主要信息采集设备,设计背景码本与像素一致性联合判定的方法提取环境背景点,并构建全局一致性点云地图。主要工作如下:(1)标定求解Kinect相机的内、外参数,建立统一的地图坐标系。由于Kinect采集的深度数据容易受到环境因素的影响,需要设计深度预处理模块修复深度数据,进而提高地图的精确度。(2)动态环境下移动物体在RGB-D SLAM建图时会形成多个重影,影响地图质量。本文提出基于视觉方法的静态背景点云地图构建方法,首先对背景进行训练建立码本模型,分割所有关键帧中的移动前景和背景。然后对潜在背景点进行帧间灰度、深度重投影的联合判断,标定最终的静态背景点。最后通过最近点迭代算法(ICP)融合得到全局一致性点云。(3)搭建基于ROS框架的移动平台,模拟机器人运动,使用RGB-D SLAM和Kinect构建实验室动态环境地图。对本文算法的移动物体剔除和静态点云融合能力进行验证,最后在等比例实验室模型环境下,对比真实轨迹和仿真轨迹。实验结果表明,本文方法构建的背景地图具有更高的适用性和定位精度。