随着人工智能技术的迅猛发展,越来越多的智能装置融入到人们的生活和工业制造中,然而想要真正实现移动设备的智能化办公,自主定位与导航的重要性不言而喻。SLAM(Simultaneous Localization and Mapping)技术在解决上述问题中起到了关键性作用,该技术是将基于估计理论的方法引入机器人的建图、定位环节,使得移动载体实现同步定位与地图构建。而视觉里程计(SLAM前端)主要负责定位的工作,它在RGB-D SLAM系统中担任的工作任务是通过分析处理搭载在移动装置上的传感器所获取的连续视觉信息,进而为后端模块提供一个优质的关联初值,然后推算出其位置姿态和新增路标随时间变化而发生的相对运动。相较于传统里程计以及单目、立体视觉里程计而言,基于深度相机的三维视觉里程计因其固有属性可直接捕获彩色图和对应深度图,规避了通过相关复杂计算求得图像深度值的麻烦,大大提高了视觉里程计的运行效率。本文对RGB-D SLAM中的前端模块进行了系统地研究,并针对该模块中特征匹配算法的误匹配率高、面向尺度变化的图像数据配准精度欠佳等问题做出相关改进。具体研究内容和改进工作如下:首先,介绍了视觉SLAM技术的概念特征以及各个子模块的性能特点。并对微软二代传感器的结构模型、图像畸变失真产生的原因及其消除策略进行深入探讨。最后基于张正友标定原理展开了标定实验,利用Matlab标定工具包来计算内参矩阵并估计外部参数值,验证了标定环节的必要性和有效性。其次,针对ORB算子在面向尺度突变图像处理欠佳和误匹配率高等不足之处,给出一种改进ORB算法。具体改进如下:首先借鉴了 A-KAZE基于非线性扩散滤波构建尺度空间;其次利用ORB的FAST-9检测子在所创建的尺度空间层上检测角点;接着使用FLANN方法计算汉明距离进行特征点的粗匹配;在此基础上分别采用两条路径消除误匹配点对,其一是采用较为成熟的PROSAC算法剔除噪声点,其二是建立泊松分布数学模型对初始匹配后的点对进行二次筛选,并将改进效果较好的结果应用于后续环节;在相机位姿优化过程中使用PnP融合ICP的优化算法,进而保障运动估计变换及其优化工作的有效运行;最后通过相关对比实验验证了上述改进的有效性。最后,搭建实验平台并针对改进后的视觉里程计系统进行验证。主要通过两种方式验证其有效性:(1)使用公开数据集对改进前后的整体系统进行性能对比测试,并且引入相关量化标准对系统生成的空间运动轨迹进行精度评估;(2)选择两种不同复杂程度的数据集,通过构建局部和全局三维点云地图进而验证改进里程计系统的鲁棒性和精确性。