特征配准是SLAM(Simultaneous Localization and Mapping)系统的重要问题。特征稀疏、高噪声环境下的特征提取以及高累积误差下的回环检测直接影响视觉里程计的稳定性。首先针对视觉特征点稀疏的肠胃环境提出了一种基于ORB(Oriented Fast and Rotated BRIEF)特征的加权梯度消色增强算子(WGE-ORB)用于刻画不同组织的表面纹理和浅表血管轮廓。WGE-ORB引入了归一化的加权彩色通道因子,是一种基于梯度相似相关测度的彩色增强模型。运用增广的拉格朗日算法优化每个通道的加权因子,得到增强对比度的灰度图像,然后基于二进制算子提取增强灰度图像的特征。与直方图均衡化方法(HE)、视网膜法(Retinex)和基于HSV色彩空间的图像增强(HSV)三种主流增强算法对比,WGE-ORB特征点提取的正确匹配数量最多而且误匹配率最低。从提取时间,旋转和放缩下的均方根误差三个方面的性能评估了WGE-ORB、ORB、SURF(Speeded Up Robust Features)算子。WGE-ORB在图像旋转和放缩方面的估计性能表现最优,而且其计算耗时与ORB算子相当,优于其他主流算子,满足在线SLAM的需求。实验结果表明该增强算子提高了特征稀疏环境下特征提取和配准的鲁棒性。针对高误差累计的地图漂移问题,提出了一种增强视觉特征与无线电指纹特征融合的多径指纹信号子空间定位算法。当检测到视觉回环,使用关键帧时间戳附近的多径无线电定位指纹信号辅助定位。通过仿真实验确定了影响多径指纹信号子空间定位精度的三个因素并确定最佳参数。假设机器人路径随机的条件下,采用无线多径信号模型建立了室内场景的无线电指纹库并测试了机器人的随机轨迹不会降低基于格拉斯曼的无线电指纹定位算法的定位精度。基于低维投影格拉斯曼判别分析法的定位算法的1米误差累计概率可达到93.4%。