移动机器人由于行动灵活、完成复杂任务能力强，在当今社会应用越来越广泛。移动机器人的自主导航功能，作为移动机器人是其最基本、最重要的功能，一直以来都被各领域研究者所关注。SLAM技术是近年来解决移动机器人处于未知环境下导航使用最多的技术，其中，vSLAM系统使用视觉传感器进行机器人的定位，获取的图像包含了相对丰富的信息，使得一些特殊意义的信息得以识别，在SLAM实现中占据着重要地位。但vSLAM也存在一些问题，主要是视觉信息相对复杂，计算复杂度相对较高，在视觉传感器获取大分辨率图像的情况下很难实现实时性。因此，提高vSLAM系统中检测子与描述子的生成及匹配的速度成为该领域研究者所关注的问题。本文首先阐述机器人导航中的背景知识，并对vSLAM系统定位实现中常用的算子进行了回顾，并详细的对vSLAM系统中定位部分的实现基础——局部不变特征的理论基础、数学推导进行介绍。接着，本文对最近几年提出的性能最为出色的SIFT算法与SURF算法的原理与步骤进行深入剖析，并根据vSLAM的特点，对SURF算法生成描述子的过程进行了优化，以提高其速度，并增加了SURF描述子摘要，达到了加速SURF描述子的比对过程的目的。最后，本文介绍了SURF点匹配中的快速索引的使用，并针对传统的SURF点匹配算法效率较低，匹配速度慢等问题，提出并实现了基于区域增长的SURF点匹配算法。这种算法可以在匹配可靠性基本保持不变的前提下，显著的提高匹配速度。