视觉SLAM技术是机器人、无人驾驶、视觉惯导、虚拟现实以及增强现实等新兴邻域的核心技术。视觉SLAM技术的精度、鲁棒性和实时性是影响其在这些先进科技邻域中产业化应用的主要因素。传统的两类视觉SLAM方法,直接法和间接法,各自都存在一些优势与不足,且两者的特性非常互补。一类新的视觉SLAM方法通过将这两种传统视觉SLAM方法进行融合,结合两者的互补优势来提升性能,这类新方法被称为半直接法或混合方法。一些新的研究成果表明,基于混合方法的视觉SLAM系统整体性能远远优于传统方法。这一新的视觉SLAM研究领域相关工作较少,现有的混合方法在系统结构和算法性能方面还存在许多需要改进和完善之处,如系统工作效率低,算法模块性能不高,系统功能不完善等问题。针对上述问题,论文从改进系统结构,扩展应用范围,提升算法模块性能,完善系统功能方面,对视觉SLAM混合方法展开如下研究:（1）提出一种基于混合方法的RGB-D SLAM系统。首先,通过在系统中引入卷帘曝光相机模型,降低RGB-D相机卷帘畸变对系统精度和鲁棒性的影响。其次,改进松耦合混合方法的系统结构,提高了系统跟踪的鲁棒性。最后,将混合方法应用在RGB-D SLAM系统上。实验验证了论文所提出系统相比传统方法具有更高的精度和鲁棒性。（2）提出一种考虑了特征点分布情况的紧耦合混合方法。首先,定义了图像上特征点的覆盖度和均匀度两个参数,量化了图像上特征点的分布情况。其次,将定义的量化参数融合到紧耦合混合方法的联合优化算法模块的融合权重之中。最后,通过实验验证了所提出的方法有效提升了精度,计算效率和鲁棒性。（3）提出一种针对混合方法视觉里程计的回环策略。首先,为系统添加独立的线程,并通过基于BRIEF描述子的词袋模型进行闭环检测。其次,用位姿图优化算法修正回环轨迹。最后,通过实验验证了所提出的回环策略的有效性。