移动机器人的同步定位与地图创建（Simultaneous Localization and Mapping，简称SLAM）是当前机器人技术研究中最具挑战性的问题之一，对最终实现机器人的高度智能化具有极其重要的理论意义和应用价值。SLAM的实质是指移动机器人在未知的自然环境中进行探索时，利用自身装载的传感器获取的观测数据，增量式地建立与环境一致的地图，同时利用已经建立的地图模型对机器人的位姿进行计算。最近20年来，由于视觉传感器的独特优势，基于视觉的移动机器人定位与建图正受到越来越多的研究者的关注。尽管当前已经存在许多解决SLAM问题的方法和应用系统，但是由于视觉信息处理的复杂性和不稳定性，基于视觉的SLAM还存在许多亟待攻克的疑点和难点。本文研究的主要内容是针对单目视觉SLAM（Monocular SLAM）所存在的问题，结合计算机视觉理论和机器人概率学理论，设计并且实现了一个基于单目视觉的SLAM仿真系统。通过分析传统的基于单目视觉SLAM方法的缺陷，提出了相应的改进方法，实验表明本文提出的SLAM方法在可行性，有效性，稳定性等方面都具有一定的优势。本文具体的研究工作主要包括以下几个方面：首先，介绍和研究了SLAM技术的国内外发展情况，根据当前SLAM的研究热点，对基于视觉的SLAM技术的研究情况做了比较丰富的调研。针对当前单目视觉SLAM的研究工作，重点论述了常用的基于概率滤波器的单目视觉SLAM的实现方法。其次，根据当前关于图像特征提取算法的最新研究成果以及特征分布对SLAM性能的影响，提出了一种基于栅格的ORB特征提取方法，使得提取的特征尽量平坦、均匀的分布在图像上。本文分析和研究了由于摄像头运动的不确定性以及环境变化造成的错误数据关联问题，根据主动视觉搜索的原理与应用，设计出了一种改进的特征匹配算法，从而提高SLAM系统的稳定性和实时性。然后，通过分析当前基于扩展卡尔曼滤波器的单目视觉SLAM方法所存在的不足，结合前面的研究成果，提出了一种基于MVEKF滤波器的SLAM算法。最后，本文通过相应的实验对上述改进方法的正确性和有效性，从理论和实验进行了分析和验证。