在先进的科学技术和人类强烈的求知欲的驱使下,移动机器人领域飞速发展,人类已经实现了机器人在复杂多变、不可预知的环境下的自主导航,而即时定位与地图构建技术(Simultaneous Localization and Mapping,SLAM)正是其中的关键。随着计算机视觉技术的不断发展,基于视觉的SLAM系统不断被完善,而其中的双目视觉SLAM具有低成本、低能耗和高精度等优点,因此具有更为广泛的应用前景。为进一步提高双目视觉SLAM的性能,本文基于该系统中的视觉里程计部分进行了深入的研究。针对实际SLAM环境中可能存在混合噪声的情况,首先重点分析了小波阈值去噪算法的原理以及不同小波阈值函数的区别,提出了一种新的小波阈值函数,并在理论推导以及仿真实验分析两方面论述了其可行性。基于对脉冲噪声具有良好去噪效果的自适应中值滤波算法,提出了一种结合自适应中值滤波和小波去噪的混合滤波算法,通过仿真实验证明了其对于混合噪声的良好去噪性能。为找到合适的特征点检测算法,对不同的特征点检测算法的原理进行了详细的阐述,并用仿真实验的方式验证了改进的ORB算法的优越性。针对特征点匹配之后存在误匹配的问题,介绍了比传统RANSAC算法更为优秀的GC-RANSAC误匹配剔除算法,并针对该算法计算时间相对较长的问题,在此基础上提出了一种改进的GC-RANSAC算法,并设计实验验证了其计算的高效性。最后本文搭建了双目视觉SLAM实验平台,从公开数据集以及实际应用环境两方面评估了改进前后ORB-SLAM2系统的性能差异。实验结果表明,本文提出的混合滤波算法以及改进的GC-RANSAC算法在SLAM系统中具有良好的表现,在含混合噪声的情况下,改进的SLAM系统具有更好的鲁棒性和更高的精确度。