移动机器人同步定位及地图构建(Simultaneous Localization and map Building,SLAM)是指机器人在运动过程中根据自身位姿估计和传感器对环境的感知构建增量式的地图,同时利用地图实现机器人自身的定位.随着计算机技术的发展、数据处理能力和速度的日益提高,以及视觉传感器独具特色的优点,利用视觉传感器实现机器人SLAM问题逐渐兴起。视觉SLAM中机器人采集的图像常常存在着旋转、尺度、光照、模糊和视角变换等现象,因此选择一种高性能的特征提取算法进行机器人即时定位与地图创建具有重要的意义。本文对经典的视觉SLAM特征提取算法SIFT、SURF与最近提出的视觉算法FAST9、BRIEF.ORB进行对比研究,为了便于进行视觉SLAM特征检测和匹配算法的性能对比,文中将检测子 FAST9分别与描述子 SURF和BRIEF结合形成两种算法FAST9+SURF和FAST9+BRIEF,在此基 础上对这五种算法,即 SIFT、SURF、FAST9+SURF、FAST9+ BRIEF、ORB进行检测和匹配实验。比较实验中采用标准评估图片和机器人采集图片模拟视觉SLAM中的图像可能出现的多种变换情况。最后使用重复率曲线、正确匹配率曲线、运行时间曲线来比较研究这五种算法的性能,实验结果表明ORB在旋转、光照、尺度、模糊变换测试下的运行时间和匹配效果要好于其他四种算法,但在仿射变换测试中,上述5种算法的性能均下降。为此,本文将ASIFT模拟视角变换的思想跟ORB快速准确的特性结合起来,提出了一种具有仿射不变性的特征提取算法AORB,经过大量的实验测试,新算法 AORB 不仅保留了 ASIFT的仿射不变性能,而且继承了ORB快速的特性。