舰面调运工作是保障舰船日常训练和作战的基础性工作,随着飞机种类和数量增加,甲板面积增大,传统的人工调运方法费时费力,易受主观性影响,当甲板较为繁忙时容易出现事故。视觉定位方法是在计算机水平不断发展过程中被研究者们日益推崇的新方法,与传统定位方法相比具有高度自主,不易干扰,廉价同时能够保证较高精度等优点。这些特点使其更适应舰面调运工作。本文提出了基于单目视觉同步定位与地图构建（SLAM）算法来辅助舰面调运任务。视觉SLAM算法的前端通常也被称为视觉里程计（Visual Odometry）,它根据相邻图像信息估计出相机运动。基于特征点法的SLAM算法在初始化,跟踪过程中对前后两帧之间位姿估计都有较高的要求。在初始化过程中通常使用5点法分解本质矩阵,8点法分解单应矩阵的方法,本文在现有算法基础上结合工程应用实际:调运工作在甲板面可视为平面运动且相机安装角不变等约束,将传统视觉SLAM需要解决的6自由度问题通过约束降低为3自由度,改进了分解单应矩阵的方法,使系统能获得更多的匹配内点,提高初始化算法在平面场景下的鲁棒性。帧间相对位姿计算的基础是匹配成功的特征点,而特征点的匹配通常经过描述子以及RANSAC得到最终内点。其中RANSAC算法的复杂性和带入计算的匹配点数量成指数关系增长,基于提高帧间位姿计算准确性和减少RANSAC剔除离群值计算复杂性的出发点,本文提出了当相机前视且运动平面与重力方向垂直时,可以利用其他方法校正运动过程中的垂直方向,使旋转矩阵仅剩绕Y轴的旋转角;同时分开计算特征点中的远近点,利用远点对旋转敏感,近点对平移量敏感的特性,仅用1.5个匹配点就可估计帧间位姿。在开源ORB-SLAM中替换算法后,KITTI多个数据集上均方根误差好于原算法,证明了算法的可行性和鲁棒性。传统的点特征单目视觉SLAM算法仅利用特征点的图像坐标,且在大角度仿射畸变影响下匹配点数量会明显下降。ASIFT特征点基于SIFT增加了特征点局部仿射变换,不仅克服大角度倾角情况,同时为特征匹配提供了仿射关系。在平面场景或已知垂直方向下,可以降低分解单应或本质矩阵的内点数量,减少RANSAC迭代计算复杂度,通过真实数据集验证的结果表明了算法的可行性,并在ORB-SLAM框架中将特征和帧间位姿估计替换形成了ASIFT-SLAM,算法在KITTI数据集上表现证明在精度上优于ORB-SLAM。