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。