随着科技的飞速发展,AR/VR、机器人、无人机、无人驾驶领域等开始广泛应用于工业制造、军事活动以及日常生活的各方各面。然而,想要提高用户体验,还亟需解决诸多技术,SLAM技术就是其中之一。同步定位与地图构建(SLAM,Simultaneous Localization and Mapping),是指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境,并同时估计自已的位姿。它是实现移动机器人自主导航的前提和核心,精确定位是移动机器人运动控制和规划的基础,也是实现真正智能化和完全自主移动的关键技术。近年来,国内外的研究者和应用开发人员在视觉SLAM方面已取得显著的成绩。但是移动机器人在定位过程中,当相机视角发生大幅变化时,会使相邻帧之间图像特征点匹配数目骤减,匹配精度降低,导致系统性能下降甚至失效,严重时会发生定位失败。针对上述问题,本文提出了基于ORB的抗大视角变换图像特征匹配算法,并在此基础上提出了大视角鲁棒性视觉SLAM算法。论文主要的研究内容成果如下:(1)本文结合ASIFT算法的完全仿射不变性原理,通过模拟相机在不同视角下的成像来获取多视角图像序列集,用BRISK特征描述子替代ORB算法中的BRIEF描述子作为描述符,然后对模拟图像序列集进行特征提取和匹配。通过本文提出的Affine-oriented FAST and BRISK算法,既保留原ORB算法的快速性,又增加了ORB算法抗大视角变化的能力。实验结果表明,所提算法除了在缩放、旋转、噪声等方面具有优良特性,还可以实现视角变化大于60°的特征匹配,增加了匹配点对数的同时提高了算法的工程实用性,解决了在大视角变化下的图像特征提取和特征匹配问题。(2)采用改进后的算法,并以此为基础实现具有大视角变化的相邻帧图像之间的特征匹配,以建立相邻帧之间的对应关系,然后利用PnP、Ransac算法以及建立恒速运动模型和参考帧模型对相机相邻位姿进行估计;最后采用光束平差法(Bundle Adjustment)对相机位姿进行优化,从而实现了大视角视觉SLAM。标准数据集的在线实验结果表明,本文提出的视觉SLAM算法能在视角发生较大变化情况下,对移动载体进行有效的位姿估计,并构建环境地图。本文所构建的基于ORB的大视角变化下V-SLAM系统,解决了特征点法的视觉SLAM在大视角变化下可靠性差、不够稳定的问题,使其在视角发生较大变化下能够保持较好的鲁棒性和有效性。