近些年来,随着人们生活水平的提高,科技的进步,导航定位相关技术逐渐由航天军工走进人们的生活。原来关于导航定位的研究主要针对全球定位系统(GPS)和高精度惯性测量单元等主导的大型室外场景。如今随着人们对于室内定位导航需求的增加,定位导航的研究正脱离GPS逐渐转移到多种小型廉价传感器(如相机,惯性感测单元,激光雷达等)主导的室内定位。同步定位与建图(Simultaneous localization and mapping,SLAM)也因此得以提出。在多种传感器中,相机因为其价格低,包含信息丰富等特点加之计算机视觉领域的繁荣,使人们意识到基于相机的视觉SLAM的研究价值。视觉SLAM方法依据其前端主要分为两类,特征点法视觉SLAM和直接法视觉SLAM。这两类方法都存在其独有的劣势,但在一定程度上可以相互补充,直接法对纹理不敏感,但特征点法纹理敏感。特征点法因为其特征的可区别性可以进行有效的重定位和回环检测,而直接法却不能做到。视觉SLAM还有其特有的劣势,即光照敏感,当光照不够充足的时候,无论直接法视觉SLAM还是特征点法视觉SLAM的定位精准度和鲁棒性都会由很大的损失。本文基于以上分析,主要解决视觉SLAM光照敏感问题和纹理敏感问题,提出以下解决方法:首先,基于SVO算法框架提出带有误差检测模块的常量模型,使SVO进行位姿估计前拥有更接近真实值的初始值。更优的初始值,不但提升了算法的准确性,而且也由于其迭代的初值更接近真值,减少了迭代的次数,从而提升了时间效率。然后我们基于VI-ORB针对光照问题提出了非常有效的预处理方法。我们首先对图像进行伽马变化,提升图像暗区域的对比度,但因为伽马变换在提升暗区域对比度的同时会降低亮区域的对比度,所以,我们采取限制对比度灰度直方图均衡化方法处理伽马变换后的图像,在不增加噪声的同时尽可能的提升图像的对比度。为了解决VI-ORB纹理稀疏场景不能稳定运行的问题,我们引进了光流跟踪方法,并且通过提升系统的帧管理和地图点管理,使得VI-ORB在低光照,少纹理的环境依然可以鲁棒运行。最后,为了验证我们算法的准确性,我们与视觉SLAM领域里的处于先进水平的算法在公共数据集执行对比试验。为了验证算法的鲁棒性,我们搭建了机器人实验平台,来比较算法在挑战环境的运行,实验结果证明,我们的算法在大多情况下优于其它SLAM算法。