同时定位与建图（SLAM）是计算机视觉领域的重要问题,在无人驾驶、自主导航、成像制导、侦察等领域有着广泛应用。红外相机可以在夜间、雾霾、光照差的环境下成像,具有全天工作能力,因此红外SLAM比可见光SLAM的潜在应用场景更广。但是由于红外数据获取困难、图像纹理弱、信噪比低,国内外对红外SLAM的研究十分有限。本文以适用于红外成像的SLAM系统为研究目标,在研究过程中主要解决了红外相机标定、SLAM算法设计以及SLAM性能评价的问题。本文的主要研究内容如下:1、为了选择合适的图像特征用于红外SLAM,本文通过理论分析和实测实验,研究了多种图像特征的性能。研究结果表明,在红外图像中,相对于可见光图像,常用的特征点性能下降明显,而边缘特征的性能下降幅度很小。因此,在红外相机自标定以及SLAM中,可以使用边缘作为图像特征。在研究中,本文提出了空间分布熵、局部匹配的召回率-精度曲线等评价指标,更适用于指导红外SLAM的特征选择。2、为了获取精确的红外相机内参数,用于SLAM算法的运行,本文提出了基于边缘匹配的红外相机自标定方法。实验结果表明,该方法较基于特征点的自标定方法,标定的投影误差从1.57像素降低到0.61像素。并且其精度不亚于基于标定板的传统标定方法。使用此方法标定红外相机,其精度足以支持红外SLAM的运行。3、为了提高红外SLAM的鲁棒性和精度,本文设计了边缘与特征点融合的红外SLAM算法。实测实验的结果表明,相较于传统基于特征点的SLAM,本文方法完全成功运行的概率从37.6%提升至80.4%,定位精度也有明显提升。而直接法SLAM在测试中几乎完全无法正常工作。因此,本文方法较传统SLAM方法更适用于红外SLAM。此外,本文的SLAM算法在仅使用CPU的情况下,在640×480的红外图像中以接近19FPS的帧频运行,基本上满足了实时性的要求。4、为了评价红外SLAM的定位精度,本文提出了一种基于优化的卫星导航（GNSS）与可见光视觉融合的载体运动轨迹测量方法。在实验中,GNSS的定位误差为3m,纯视觉SLAM的平均定位误差约为20m,融合算法的平均定位误差为0.82m。本文方法的精度显著高于单独使用GNSS或者视觉SLAM的精度。因此,使用该方法测量得到的轨迹,可以用于评价红外SLAM的定位精度。本文的研究以低成本、容易操作为特色,除红外相机外,并没有依赖特殊的设备。因此,本文的研究方法降低了红外SLAM的研究难度,从而进一步推动红外SLAM的发展。