随着移动机器人研究的重要性越来越受到人们的关注,移动机器人应用场景也逐渐由室内的结构化环境转变为室外的非结构复杂的地形环境。当前,在室外环境下的主流定位与导航方法采用的是GPS结合惯导的方式,但在一些特定的环境(如高楼林立的城市、外太空等)GPS数据缺失或拒止。因此在GPS数据缺失或拒止的情况下,如何解决移动机器人自主定位与导航的问题成为研究的热点,其中以立体相机作为传感手段的视觉里程计技术以及结合环境建模的SLAM方法也受到了广泛的关注。视觉里程计是根据机器人在运动过程中获取的图像信息来推算机器人的位姿信息;视觉SLAM是一种同时定位与建模的方法,同时解决定位与建图的问题。本文针对室外非结构化环境下移动机器人基于立体相机的定位与环境建模进行深入研究。具体内容如下:针对室外环境中GPS数据缺失或拒止情况下移动机器人长距离精确定位问题,提出并构建了一个基于ORB特征算子的双目视觉里程计系统(ORB-VO)。首先在双目视觉里程计中引入ORB特征算子,并针对ORB特征提取不均匀问题提出一种基于四叉树划分的ORB均匀化特征提取算法;然后对时空连续的两帧(四幅)图像通过原始特征匹配构成的匹配闭环滤除图像中的误匹配,并采用RANSAC完成运动估计获取精确的位置转移矩阵;最后采用EKF融合惯导数据进一步提高视觉里程计的定位精度,从而保证视觉里程计算法实时性与精度的良好平衡。针对室外大范围复杂三维环境模型的快速重构问题,提出了一种基于双目立体视觉的快速环境模型重构方法。首先通过左右图像的立体匹配生成视差图,并根据视差值与相机内外参数实现单帧图像的三维点云模型重构:然后在通过(ORB-VO)获取的位置转移矩阵对多帧点云实现拼接中根据图像像素点与空间三维点的重投影关系优化重叠区域点云;最后通过八叉树对生成的三维点云模型进行压缩,从而获取精确局部三维环境模型。针对室外GPS缺失情况下大尺度环境的同时定位与建模问题,提出了一种基于ORB-VO与三维环境快速重构的图优化SLAM算法。首先通过ORB视觉里程计得到的机器人位姿信息和通过选取关键帧生成的局部三维点云图构建SLAM的前端图模型,并采用BoW方法生成基于ORB特征算子的“词袋模型”以实现闭环检测;然后采用后端图优化对构建的图模型进行全局优化,获取机器人准确的节点位姿,进一步提高移动机器人双目立体视觉的定位,并获得的环境的致密三维模型。在上述理论研究的基础上,以装配有双目立体相机、惯导等多种传感器的MT-FR履带式移动机器人作为实验平台,对本文提出的视觉定位与三维环境建模方法进行了大量的实验验证,以验证本文所论述方法的可行性与有效性。