煤矿井下移动机器人是煤矿机器人的主力军，煤矿井下移动机器人的自主导航是其研究的难点和热点。目前，煤矿井下移动机器人自主导航所必须的三维环境数据库尚未形成，尤其是制作高分辨率、多信息融合的煤矿井下高精度地图还处于研究阶段。为了有效解决煤矿井下移动机器人自主导航问题，构建了基于深度相机的机器视觉系统，提出了一种基于深度视觉的导航方法，自主导航过程分为地图创建与自主运行两个阶段。在地图创建中，①对深度视觉数据进行特征提取与匹配。利用10组煤矿井下真实视频截图，对比测试5种特征提取与匹配组合算法，结果表明SURF +SURF+FLANN与GFTT+BRIEF+BF算法能够在煤矿井下获得良好匹配结果；②建立煤矿井下移动机器人深度视觉定位与建图问题的捆集调整迭代最近点图模型（Iterative Closest Points Bundle Adjustment，ICP BA）；③通过图优化方式估计当前观测下的最优位姿与环境路标点坐标。在实验室场景中利用提出的ICP-BA图优化算法，建立了包含关键位姿与三维环境点的原始点云地图。在自主运行阶段，①通过八叉树数据结构，将点云地图转化为移动机器人运动规划可使用的Octomap导航地图。实验结果表明，Octomap导航地图分辨率可调、系统资源占用低、索引效率高；②使用三维到二维映射的视觉图匹配PNP（Perspective N Points）方法进行实时在线重定位；③基于图搜索的A*（A Star）路径规划作为轨迹规划初值，自定义最小化能量损失泛函为最小化加加速的变化率（Minimum-Snap）求解二次规划问题，生成用于煤矿井下移动机器人运动执行的轨迹。在Matlab开发环境中设计随机导航地图，生成时间分配、位置、速度、加速度、加加速度的最优轨迹规划结果，验证了运动规划算法的正确性。通过理论分析和实验验证，表明本文提出的煤矿井下移动机器人深度视觉自主导航方法的有效性。