单目视觉同步定位与地图构建（Monocular SLAM）一直是移动机器人领域的研究热点。当环境中同时存在人工和自然特征时，为了能够将二者有效结合以提高系统的整体性能，本文提出了一种混合人工自然特征环境的单目视觉SLAM算法，算法主要包括三个模块：视觉特征的建模、基于视觉词典的闭环检测、地图构建和优化。其主要工作和创新点如下：（1）首先，提出了一种基于视觉词典的视觉特征建模方法。采集的图像包含一系列无序自然特征或人工路标特征，算法对每一帧图像进行SURF视觉特征提取，应用模糊K均值算法对检测的视觉特征向量进行分类，构建表征图像的视觉词典；为了精确表征局部视觉特征与视觉单词间的相似关联，利用混合高斯模型建立视觉词典中每一视觉单词的概率模型。（2）其次，针对单目视觉SLAM中的闭环检测问题，提出了一种基于视觉词典的闭环检测算法。基于创建的混合人工自然视觉单词的概率模型，实现图像基于视觉词典的概率向量表示，通过向量内积计算图像间的相似度；与此同时采用贝叶斯滤波技术对历史的闭环检测进行跟踪，保证闭环检测的成功率与连续性。引入浅层记忆与深度记忆两种图像内存管理机制，提升算法的执行效率。（3）最后，在混合人工自然特征环境下实现单目视觉SLAM算法。算法通过两个步骤实现：图的构建和图的优化。通过获取图像序列间的几何约束关系估计摄像头相对位姿，基于不同时刻位姿间的关联完成图的构建；构建的图中节点之间的约束包含两部分：视觉里程计的局部约束和闭环检测的全局约束；采用随机梯度下降法最小化约束误差对图进行优化，得到摄像头位姿轨迹的极大似然估计。