军事上对增强现实系统有迫切的需求,使士兵保持势态感知,加强反应能力以减少行动风险。视觉SLAM是增强现实的核心技术,特别是针对户外复杂环境的增强现实,更加鲁棒的视觉SLAM是研究的重点。本文在ORB-SLAM2的基础上改进了视觉里程计与后端优化模块,设计适合户外复杂环境下的视觉SLAM系统,并设计实验验证算法在户外复杂环境下的鲁棒性、稳定性和连续性。本文主要工作和贡献如下。研究视觉SLAM的基础算法与理论知识。比较主流的视觉SLAM系统,选择符合实际户外增强现实应用的视觉SLAM系统框架作为后续研发基础。研究基于特征点法和基于直接法的两类优秀视觉SLAM系统,包括ORB-SLAM2和LSD-SLAM。分析得出基于特征点法的视觉SLAM更适合户外增强现实应用的结论。基于特征点法的视觉SLAM更加适合户外增强现实应用,以ORB-SLAM2系统架构作为系统设计的基础,并深入的研究基于特征点法的视觉SLAM各模块。首先,针对视觉里程计在户外环境中存在的特征提取速度不够快、弱纹理、重复纹理和基线长的问题,提出了视觉里程计的改进算法。改进了 Fast算法在已知环境下的特征提取速度,和重定位时特征的重复率。改进了关键帧帧之间特征匹配的速度,提出基于GMS和RANSAC结合的高速误匹配剔除方案。该方案明显提升了视觉里程计在户外环境下运行的鲁棒性。其次,针对后端优化模块精度有待提升的问题,优化重投影误差优化函数,增加相机与三维特征点间的深度信息作为优化权重,提升了优化后的系统整体精度。设计实验,并验证有效性。对提出的改进算法,在户外复杂环境下进行视觉里程计性能验证与系统稳定性、连续性验证。实验结果证明,视觉里程计模块在户外环境下,保持实时性,鲁棒性明显增强。整体系统,运行时间较长、位姿连续平滑、定位精度提升。