同时定位与地图构建(Simultaneous Localization And Mapping，SLAM)被认为是实现机器人真正自主智能的关键，为机器人和环境之间的交互提供了支持。近年来随着无人驾驶、增强现实、智慧城市等领域的快速发展，使得SLAM研究越来越火热。众多SLAM解决方案中，单目视觉传感器因其价格低廉、信息获取丰富、小巧方便等特点，受到研究者们的追捧。因此基于单目相机的视觉SLAM技术已经成为各研究院所的热门方向，对实现进入人工智能时代和数字时代具有重要的意义。
　　由于环境本身的复杂性，加上视觉SLAM问题涉及研究领域广泛，依然面临着许多困难。本文充分且深入的研究了现有优秀解决方案，通过对比总结方案的优势缺陷，充分考虑了相机运动模式，提出了基于旋转度的地图构建方法，分析了回环检测模型，提出了更加准确实时的回环检测算法。主要的工作内容如下:
　　本文对相机成像模型、相机运动模式及数学表示、图像特征提取匹配、地图初始化、相机位姿与地图点三维坐标求取、优化算法等单目视觉SLAM中的关键技术进行了研究，对现有SLAM方案中不同实现进行了对比，确定了整体SLAM框架方案。
　　分析了局部地图构建方法，总结了关键帧选取目标，在构建的系统中，针对原有的关键帧选择方案在相机发生较大程度旋转时不能及时添加关键帧导致位姿缺失的问题，提出了基于旋转度的关键帧选择策略。给出了旋转度的定义及计算方式并进行了实验，充分利用旋转度判断相机运动，发生较大旋转时先以宽松的策略添加关键帧，完成局部地图构建后再将冗余关键帧剔除，在公共数据集上验证了算法的有效性，增强了系统的鲁棒性和准确性。
　　针对回环检测效率低的问题，提出了基于历史模型的差异性回环检测算法。通过利用历史回环发生时的数据，来预测接下来的回环可能发生位置，在不同置信区间分别采用跳跃式和逐帧式回环检测。在跳跃式回环检测发现疑似回环后，及时调整策略，从跳过的帧开始重新进行检测。在标准数据集上进行了实验，获取跳跃长度，验证了算法的实时性和准确性，提高了系统回环检测的效率。
　　利用改进的单目视觉SLAM在实验室室内环境下进行实验，实时获取到准确的地图。