近年来,随着自动驾驶、无人机、自主导航机器人及增强现实在人们生活中发挥越来越重要的作用,作为其重要组成部分的视觉SLAM技术也受到更多研究者的关注。视觉SLAM技术,尤其是直接法视觉SLAM算法很大程度上依赖于光度不变假设,即同一空间点在不同时刻成像的灰度值相同。然而,由于场景光照变化以及相机光度参数的影响,光度不变假设并不完全成立,直接使用这样的图像会极大地降低视觉SLAM算法的性能。因此,在视觉SLAM算法的研究中,考虑图像的光度标定是非常有必要的。在这方面,对图像进行离线光度标定算法的研究由来已久,但算法耗时巨大,不适用于视觉SLAM算法,而对图像进行在线光度标定的算法还不够完善,目前仍没有很好的解决方案,需要进一步的研究和优化。本文致力于在当前的光度标定算法上进行研究,并在此基础上设计出更加精确和鲁棒的在线图像光度标定系统。为此,本文完成了三方面工作:（1）在估计曝光时间的过程中,本文使用RANSAC算法以及设计多帧光度信息融合算法（融合同一空间点在多帧图像中的光度信息）来分别减小错误的光流匹配以及光度参数误差对曝光时间估计值的影响;（2）本文基于视觉SLAM系统中的关键帧策略,并考虑到光度标定系统中光度参数的变化,提出专门使用在在线光度标定系统中的关键帧选取策略;（3）针对当前算法在每次优化时仅仅使用滑窗内的像素点导致在线标定过程中估计的晕影函数不一致的问题,本文设计了滑窗与成熟点联合优化算法,使得优化过程中不仅考虑滑窗内的点,还将之前已经优化过的成熟点作为约束添加进优化函数。我们在TUM-mono及EUROC数据集上设计实验来验证上述策略和算法,并且测试了本文系统的性能。实验结果表明,本文中提出的方法能够有效地提升光度标定系统的性能。相对于现有光度标定系统,使用本文设计的系统能够实现更加精确的光度标定,从而更有效地提升直接法视觉SLAM系统的精度和鲁棒性。