同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是实现移动机器人自主运动的关键技术之一。由于视觉传感器具有成本低、功耗低、体积小等优点,因而视觉SLAM研究迅速在移动机器人自主定位与导航领域得到了广泛的应用。其中,闭环检测作为视觉SLAM系统中的关键部分,对消除机器人位姿估计过程中的累积误差和减少已构建地图的不确定性尤为重要。然而,由于移动机器人需要在场景中长时间运行,其采集到的图像数据规模较大,因而对闭环检测算法的实时性要求比较高;并且,当移动机器人运行场景中存在运动物体时,闭环检测算法的准确率往往较低。针对以上问题,本文将对复杂室内场景下移动机器人闭环检测算法展开研究,主要研究内容包括:1.对移动机器人搭载的视觉传感器进行说明,详细介绍Kinect v2深度相机的参数、测距原理以及对应的成像模型,阐述相机自身存在的畸变及其校正方法,并通过设计标定实验获取相机详细参数。同时,对视觉SLAM中的视觉里程计进行详细介绍,包括:利用ORB算法提取给定图像特征点;使用快速近似最近邻法对两幅图像进行ORB特征匹配,并引入随机采样一致性算法剔除其中的误匹配;通过迭代最近点算法求解初始相机位姿。2.针对移动机器人运行场景中存在运动物体时,对位姿估计精度及闭环检测准确率造成的影响,本文引入了基于特征点运动矢量的运动物体检测算法,从而对视觉SLAM算法进行改进。通过结合帧间初始相机位姿计算图像特征点的运动矢量,并引入期望最大化方法求解运动矢量角度的高斯混合模型参数,通过结合前一帧的运动点检测结果以区分当前帧图像中的运动特征点。并且基于运动点检测结果,对帧间初始相机位姿进行优化。通过数据集实验表明该算法可以有效检测场景图像中的动态点,并且具有一定的鲁棒性。3.为提高闭环检测算法的计算效率和动态场景下的算法准确率,本文基于运动物体检测结果,首先,通过对输入图像进行预处理,从而剔除其中运动点占比较大和与前一帧图像相似度较高的图像;其次,通过构建视觉字典树模型,并使用剔除运动点的图像特征点进行投影,从而生成对应的场景图像描述向量;再次,通过改进单个节点处图像间相似性得分计算函数,以减少相似性场景所引起感知歧义的发生,并获取候选闭环;最后,通过使用时间一致性和对极几何约束校验方法以剔除误正闭环,从而保证得到的闭环基本均是正确闭环。通过使用不同规模的TUM数据集和TurtleBot2移动机器人进行实验,验证了本文所提算法可以有效检测场景中闭环的存在,同时,实验结果也表明不同环境下本文所提算法具有较高的位姿估计精度,且建图效果良好。