智能移动机器人要求能够在环境中自我导航与定位,而同步定位和建图(SLAM)被认为是实现移动机器人完全自主移动的关键。近几年,智能移动家庭服务机器人的研发和应用成为研究热点,为了实现诸如室内物体识别和抓取等高级功能,这类应用往往需要获取环境的带有纹理色彩特征的三维地图。以Kinect为代表的RGB-D类摄像头能够同时获取环境场景的图像和深度数据,因而被广泛的应用于室内环境三维建图。目前已有的使用RGB-D类传感器的SLAM方案大多由图像处理前端和位姿优化后端组成。本文在已有方案的基础上,对影响SLAM系统效果的关键性环节进行了研究与分析。在图像处理前端部分,深度数据的系统误差会极大的影响图像运动估计的准确性,而在图像后端部分,优化图中边约束力的分配以及闭环检测的准确性则对整个优化效果非常重要。考虑到RGB-D传感器获取的深度数据误差随着距离增大而变大,本文将深度信息绑定到RANSAC三维配准中,通过提高近距离点在RANSAC内点统计时的权重分配,并且根据深度距离动态调整内点判定阈值从而增加远距离点成为内点的概率,提高了帧间运动估计的准确性和稳定性。对于优化后端,本文通过度量运动估计的精度来计算边的信息矩阵,合理分配优化图中位姿约束边的权重,同时提出了错误闭环剔除模型,改善优化效果。本文最后在实验室内进行了室内三维建图实验,检验整个RGB-D SLAM系统的可行性,同时利用公开数据集进行对比试验,验证了动态的RANSAC三维配准,信息矩阵计算模型以及错误闭环剔除模型能够提高SLAM系统效果。