视觉SLAM是指利用设备携带的视觉传感器进行周围环境的场景构建和自身设备的定位。早期的SLAM系统采用获取深度信息快、精确度高但价格昂贵的激光雷达作为主要传感器。后来相机由于它的便宜、易获取、信息丰富和轻量等优点,在SLAM领域受到广泛关注。目前多数的视觉SLAM系统虽然能够生成较为精确的地图信息,但是缺乏对地图信息的有效存储和重复利用。每次运行SLAM系统都是相互独立的,缺乏有效联系,因此存在较多的重复性工作,不利于SLAM技术的发展。本文研究基于已有地图信息的视觉SLAM算法,在已有地图信息的基础上实现在室外环境下的地图重定位算法和地图扩展算法,具有积极的研究意义和应用价值。针对室外环境的单目视觉SLAM算法,本文应用基于特征点的方法进行算法研究。为了提高算法的运行速度,同时加快匹配时间,本文将已有地图进行网格划分,并建立了已有地图信息与网格信息的特征索引。为了实现单目SLAM系统构建的地图尺度与保存的地图尺度具有一致性,本文在地图重定位的基础上,基于EPnP算法构建具有尺度一致性的初始化地图,并实现对已有地图的扩展。为了验证本文理论研究的实际效果,采用基于单目相机、单目视觉SLAM系统和已有地图信息构建了实验系统,依次对相机的室外地图重定位和地图扩展进行了测试。实际实验结果显示,本文设计的室外地图重定位方案具有优良的效果,可以精确地对相机进行定位。同时在地图重定位算法的基础身上实现了对已有地图的有效扩展,很好的展示了已有地图信息在视觉SLAM的应用价值。