随着传感器、处理器性能的提升以及计算机视觉、人工智能等核心技术的蓬勃发展,同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术被广泛应用于军民领域。视觉SLAM作为机器人领域的重要课题,包含了对机器人位姿和地图的同步估计,正凭借其自我感知、自主导航、场景复现的能力逐步成为主流的发展趋势。然而,视觉SLAM中相机位姿和路标点位置会受到累计误差的影响,误差的存在严重限制了视觉SLAM系统的性能。针对这一问题,研究人员一方面提高视觉SLAM的算法精度,另一方面通过将相机与IMU、GNSS、磁力计等传感器融合降低累积误差。这些方法能够在其适用条件下起到一定的效果,但仍然受到特殊环境的限制,如无GNSS信号、地磁受外界干扰等情况。为此本文创新性地提出了融合视觉和地理真实姿态的SLAM技术,解决室内、地下等特殊场景下视觉SLAM系统累计误差带来的影响,具体工作如下:首先,提出了融合视觉和地理真实姿态的组合式和分离式系统方案。阐述了基于特征点的图优化框架及其相关理论。根据视觉SLAM特点分析了对地理真实姿态的要求,由此确定了连续旋转调制捷联式寻北系统方案。其次,建立了非水平连续旋转调制捷联式寻北的数学模型,分析了系统动态误差。为保证状态量满足约束条件并且滤波器参数能够自适应调整,提出了限制自适应卡尔曼滤波算法。仿真验证了算法能够有效降低地理真实姿态的估计误差。第三,设计了融合视觉和地理真实姿态的SLAM算法。建立图像关键帧和稀疏的寻北关键帧,并分析了相机位姿协方差。此外,针对地理真实姿态三自由度的特点,推导了融合视觉和地理真实姿态的姿态图优化以及全局优化算法。在此基础上,搭建SLAM仿真测试平台,验证了算法能够有效减少累计误差。最后,搭建了融合视觉和地理真实姿态的SLAM系统实验平台。首先,完成了寻北系统传感器标定和寻北实验,分析对比了不同滤波算法的性能。其次,为验证融合视觉和地理真实姿态的SLAM方案有效性和算法性能,完成了双目相机标定,并将算法搭载在经典框架ORB-SLAM2上,通过室内场景实验和基于标准数据集KITTI的实验,验证了融合优化算法在不同场景下降低累计误差的有效性。