随着人工智能水平的不断提高,智能移动AGV(Auto Guided Vehicle)得到了日益广泛的应用。即时定位与地图构建技术(Simultaneous Localization And Mapping,SLAM)是实现AGV智能化导航的关键。SLAM技术根据传感器的不同可分为激光SLAM和视觉SLAM,两种方法互有优劣。为研究两者的使用范围,本文研究基于激光与视觉信息的SLAM方法,并搭建AGV原理样机进行实验。研究建立AGV的运动与观测模型。首先研究基于贝叶斯滤波的SLAM问题,根据SLAM中的运动模型,推导基于里程计信息的AGV二轮差速运动学方程;根据SLAM中的观测模型,研究建立基于激光雷达与深度相机传感器的AGV观测方程。在此基础上采集激光视觉信息并对相机进行内参数标定。开展基于激光信息的SLAM方法研究。根据传统基于扩展卡尔曼滤波与粒子滤波的FastSLAM方法的不足,提出一种改进的RBPF-SLAM方法。具体针对FastSALM中“建议分布”选择问题,引入激光观测信息,将粒子集中在高概率区间内;针对AGV里程计运动模型的误差,采用帧间匹配方法计算运动变换;使用权值优化方法改进原有重采样以缓解粒子耗散问题;针对特征地图可视化程度低的特点,使用占用栅格地图构建方法构建地图。仿真结果表明改进RBPF-SLAM方法的有效性。开展基于视觉信息的SLAM方法研究。研究视觉里程计中特征提取匹配、位姿估计和优化部分,使用暴力匹配方法进行初始匹配并采用随即一致性采样方法剔除误匹配点,根据匹配结果使用EPnP方法求解位姿,构建最小化重投影误差模型并使用光束法平差。针对视觉里程计的不足,提出一种后端优化方法,引入全局位姿图优化模型,构建最小化误差公式并使用g2o求解;使用词袋模型建立视觉字典,并在字典中采用Kmeans++方法聚类形成k-d树结构;针对点云地图空间大、难以利用的不足,使用八叉树地图构建方法构建稠密地图。TUM数据集的仿真结果证明后端优化方法的定位精度与建图效果要好于视觉里程计。基于上述研究,针对实际AGV的需求搭建AGV原理性样机,分析系统间的通讯机制,以ROS为标准化系统平台,分别使用激光雷达与深度相机开发搭建SLAM系统,并在不同的环境下进行实验。结果表明本文提出SLAM方法的有效性,可为AGV的SLAM方案选型与快速开发提供依据。