随着图像处理技术的进步,有关于同时定位与地图构建(SLAM)的研究已逐渐成为计算机视觉领域的热门课题。如今移动端设备的性能不断提升,使基于移动端视觉传感器的SLAM研究成为可能。移动端设备灵活小巧,功能强大,且易于开发。使用移动端设备进行SLAM的应用开发有很高的实用意义。本文主要进行了移动端常用的单目相机SLAM方法的研究以及基于iOS的SLAM方法测试平台开发。在算法的研究方面,在经典视觉SLAM方法的基础上,着重研究了基于特征点法的视觉SLAM方法。在特征提取时,使用ORB算法,该算法使用改进的FAST算法提取关键点,改进的BRIFT算法获取二进制描述子,加快了特征的提取速度,降低了存储特征的内存要求。在特征匹配时,改进了快速近似最近邻(FLANN)的特征匹配算法,该算法使用了改进的K-means算法进行特征的聚类,并构建多颗分层聚类树进行特征的搜索,提高了特征匹配的正确率和效率。通过对比实验,验证了改进的FLANN算法具有很好的不变性和鲁棒性。在进行误匹配筛查时,改进了随机采样一致性(RANSAC)的误匹配筛查算法,该算法改进了经典RANSAC算法存在的效率低,易退化,精度差的问题,降低了误匹配的概率。通过对比实验,验证了改进的RANSAC算法在不同场景下,均能够提高误匹配筛查后特征匹配的精度和速度。同时,将改进的特征匹配和误匹配筛查算法应用在回环检测上,提升了通过关键帧特征匹配进行回环判断的效果。在应用方面,本文设计并实现了基于iOS的SLAM方法测试平台。该平台设计了初始化,前端图像处理,回环检测,后端优化四大模块。在开发时,利用追踪,轨迹,优化三大线程,完成对以上模块的开发。通过运行平台可以看出,使用改进的SLAM方法开发的移动端测试平台,可以实时的绘制轨迹,能够正确判断回环,且保证生成的轨迹全局一致。