目标识别技术在各个领域都具有十分广泛的应用，特别是视觉SLAM中，目标技术扮演着重要且核心的角色。能否选择一种高速有效的目标识别算法，对实现机器人在位置环境中的目标识别任务，同时满足SLAM系统实时性和灵活性的要求来说十分重要。解决目标识别问题最常用的方法就是局部特征匹配，通过将待识别目标与基准目标的特征匹配进而完成识别。BRISK算法是一种较新的局部特征匹配算法，其在尺度空间中进行关键点检测，并采用二进制描述子和汉明距离匹配使算法可以满足实时和移动平台的应用。然而BRISK算法是基于灰度的，没有考虑颜色信息，对彩色图像中相似局部区域的不同特征造成误匹配，并且对光照条件变化剧烈时匹配效果较差。因此，在保证原始算法性能的前提下增加BRISK算法对光照的鲁棒性是本文研究的主要目标。首先，针对BRISK算子不包含颜色信息的问题，本文提出了一种基于颜色不变量的BRISK算法，以颜色不变量代替输入图像，在颜色不变量平面上构建尺度空间并检测关键点，利用采样点对RGB值的大小关系来描述局部颜色信息并与原BRISK描述子级联进而获得Color-BRISK描述子，通过汉明距完成匹配，改进后的算法对光照变化有较好的鲁棒性。其次，针对改进后的算法在整体消耗时间上不理想的问题，对算法中耗时最长的角点检测阶段进行改进，提出了一种Haar特征的鲁棒角点检测算法，通过确定角点候选区域的方法提高BRISK中角点检测阶段所用FAST算法检测到真正角点的准确率。改进后的FAST算子有效地拒绝了图像中纹理角点的影响且对具有一定抗噪性，提高了角点检测的效率，从而进一步减少了本文提出算法的整体用时。最后，本文介绍了局部特征匹配算法的性能评价标准，并将本文提出算法和原始BRISK、C-SURF算法在实际拍摄的场景中进行了综合实验对比分析，实验结果证明了本文算法的有效性。