随着机器人技术和人工智能的快速发展,移动机器人领域的研究得到了越来越多的关注。同步定位和地图构建(Simultaneous Localization and Mapping,SLAM)是目前移动机器人领域中最具难度和关注度的问题之一,是实现移动机器人完全自主的核心技术。在一个未知的场景中,SLAM技术允许机器人依靠自身携带的传感器获取的数据建立一个与周围场景一致的地图,并同时确定机器人在场景中的位姿。近年来,由于视觉传感器的独特优势,基于单目视觉的SLAM研究已成为SLAM领域的重要研究方向之一。当前单目视觉SLAM算法主要分为前端和后端两个部分,前端算法对图像进行特征提取检测与描述子提取,对提取到的描述子进行特征匹配,根据匹配结果对相机位姿进行跟踪,最后进行位置识别;后端算法根据前端算法的结果进行位姿图优化与地图构建。但是当前单目视觉SLAM算法效率较低,不能满足实时性的要求,而且精度较差,计算出的机器人位姿和轨迹通常会偏离真实值。针对现有算法存在的问题,本文提出了以下的改进方法:(1)在特征检测和描述子提取环节使用基于ORB的特征检测和描述子提取方法。(2)在特征匹配环节使用基于FLANN的匹配优化算法。(3)在相机位姿跟踪环节使用基于对比的地图初始化算法和结合EPnP的位姿跟踪算法。本文使用标准数据集对算法改进前后进行了对比实验与分析。实验结果表明本文提出的单目视觉SLAM改进算法不仅能降低算法耗时,而且能降低算法的误差,证明了本文所提出的改进算法的正确性。