近年来,图像匹配技术作为图像处理的基础技术,已被广泛应用于各个领域,如图像拼接、医学图像处理、Visual SLAM、人脸识别、目标检测和跟踪等。所以,有效地提升图像匹配技术的精准性、鲁棒性和实时性,对于图像匹配技术的发展具有重大意义。随着图像匹配技术的进步,基于特征匹配并且具有精度高、鲁棒性强、实时性好的图像匹配算法也受到了众多研究者关注。三大局部特征匹配算法:SIFT、SURF和ORB算法也因此受到了广泛应用。同时,基于这三种算法所改进的新的匹配算法也被相继提出。其中,ORB算法在这三个局部特征匹配算法中实时性最高,因此也成为大家关注的焦点。但是,ORB算法在实际应用中,容易受到光照、旋转、模糊等因素干扰,导致算法匹配效果差,无法满足实际应用需求。所以,本论文在视觉SLAM和脊柱CT图像的研究背景下,对图像处理中特征点提取与匹配算法-ORB算法进行改进。针对在视觉SLAM的应用场景下,小车搭载摄像头进行回环检测时,可能会因为摄像头的抖动或是摄像头转角过大等一些因素,造成图像模糊或者重合区域不足,图像匹配算法无法在待匹配图像中提取足够多的特征点,进而造成提取的匹配点对不足,导致匹配失败。针对上述问题,我们结合SURF特征点提取思想提出了改进的ORB算法。提高了算法特征点提取数量并且增多了成功匹配点对,同时保证了算法鲁棒性和实时性。针对在脊柱微创手术机器人背景下对脊柱CT图像的处理,我们在改进的ORB算法上进行进一步改进。结合脊柱的特性,采用Canny-形态学算法突出边界,然后结合改进的ORB算法,对脊柱CT图像进行匹配。相比于三大传统的特征匹配算法,改进的ORB算法表现出了更强的适用性。