实现移动机器人的同步定位与建图（SLAM）是实现移动机器人真正意义上自主导航的关键。越来越多的研究者开始关注基于机器视觉的SLAM技术，这是因为它具有丰富的信息和低廉的价格。针对传统的室内环境下的3D SLAM存在实时性差、鲁棒性低等问题，提出了一种改进的RGB-D SLAM算法，利用主成分分析法（PCA）对特征描述子进行降维处理，以加快图像匹配的速度。同时针对RGB-D SLAM过程中平移和旋转较慢这一特征，提出了一种将图像区域分块匹配的方法，提高了特征点匹配的效率，降低了误匹配率。同时限制所划分的区域内的特征点数目，使得提取到的图像特征更均匀。为了克服原始RGB-D SLAM的效率不佳问题，采用了RTAB-MAP来实现RGB-D SLAM。在后端，g2o用于机器人的轨迹和全局地图优化。

针对分立元件电路噪声与干扰大的特点，设计了基于调制解调方法的微加速度计闭环检测系统，详细介绍了该闭环检测系统的原理框图及实现方法，讨论了该闭环检测系统的数学模型，并且利用精密转台对该微加速度计的性能进行了测试，测试结果表明，该微加速度计测量线性度为2．5％，量程为±1g，刻度因子为3V／g。

研究了基于调制解调的硅微陀螺仪检测信号提取原理,推导了开环检测传递函数。根据调制解调的频谱转移特性,提出了有效位移噪声是高斯窄带噪声。推导了开环检测时位移噪声的等效角速度公式,分析表明,要提高噪声性能可以减小噪声功率密度、带宽和增加陀螺仪机械灵敏度。同时还推导了闭环检测时位移噪声的等效角速度公式。通过比较开环检测和闭环检测情况下由接口位移噪声导致的噪声等效角速度表明：闭环检测并不能减少由接口位移噪声导致的平均噪声等效角速度。据此设计实际电路,试验结果表明在100Hz频段内,闭环检测噪声谱密度基本等于开环检测噪声谱密度,验证了理论的正确性。

设计了一种“叉指式”微机械加速度计和相应的闭环检测电路,介绍了此微加速度计的加工工艺,并使用Ansys软件进行了模态分析和机械分析,仿真结果跟理论计算相吻合。最后对该闭环微加速度计进行了测试,得到的测量线性度为2.5%,刻度因子为3V/g。