移动机器人技术的发展及应用日益影响着人们的生活与工作,改变着人们的生活方式。如今,随着现代高科技技术的快速发展与制造业水平的持续提升,移动机器人技术的开发也越来越朝着自主化与大众化的方向发展。在移动机器人技术这个热门的研究领域里,从事即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术研究的专业人员已经越来越多,因为它是移动机器人在陌生环境里实现自主导航及其环境探索功能的基础,也对于移动机器人最终能否实现真正的智能化具有十分重要的理论意义。所以说,对于SLAM技术的研究非常具有挑战性,但同时也拥有广阔的应用前景!SLAM技术的本质就是移动机器人在陌生的环境里进行移动探索时,利用其自身搭载的各种数据传感器来获取周围环境的观测信息,然后便利用这些传感器数据增量式地构建和环境相一致的地图,最后使用这已经构建好的环境地图对移动机器人的当前位姿进行估计。因此,定位与建图的精度决定着移动机器人是否能够在实际应用场景中落地的关键。自SLAM技术被提出以来,已经涌现出许许多多针对于机器人定位与建图问题的经典算法和框架,这些算法与视觉传感器独特的优势相结合,也越来越提高了SLAM问题的应用水平。然而,由于这些现有算法在视觉图像处理与位姿定位过程中依旧存在着精确度不高、鲁棒性较差等现象,从而导致了SLAM技术的研究仍存在着许许多多的疑难点问题亟待解决。视觉SLAM属于SLAM技术的一种,它所使用的数据传感器主要是相机。本文主要研究了视觉SLAM中关于图像特征点的提取和匹配,以及相机位姿估计的一些经典算法,并认真分析了这些经典算法在实际应用过程中存在的一些不足之处,最后结合计算机视觉相关理论和概率学方法,对这些经典算法做出了相应的改进。经实验验证,本文所提出的改进算法有效地提升了关键帧图像处理与位姿估计问题的精度与鲁棒性。本文所做研究工作主要包含了如下几个方面:首先,本文详细阐述了当前视觉SLAM技术研究的国内外发展状况,接下来介绍了与本文有关的一些视觉SLAM问题的基础知识,以及关于图像特征的提取、匹配处理与相机位姿估计的一些经典算法。其次,根据现有的关键帧图像特征点的提取、匹配算法以及RGB-D视觉SLAM的相机位姿估计问题中存在的一些不足,对原算法做出了一些改进。最后经实验验证,改进之后的算法效果较好,实现了预期的目的。