智能机器人已逐步融入到我们的日常生活及工作当中,机器人的结构根据需求和功能也越来越多样化:如四足机器人,它应用广泛、环境适应能力极强,在救灾和军事反恐中都发挥着重要的作用。与传统的轮式机器人相比,四足机器人可以灵活地完成爬坡、地面支撑和越障等动作。但面临室内和密集遮挡环境如地下室、森林等复杂环境时,易出现全球定位系统（Global Position System,GPS）等定位信号不稳定甚至缺失等现象,现有大多数针对四足机器人的定位方案多以激光定位为主,成本高昂,而基于视觉的定位与地图构建（Visual Simultaneous Localization And Mapping,VSLAM）的方案具有配件简单和成本低等优点,这些优点对于一个技术的未来发展和普及来说非常重要。本文旨在设计一种不依赖外部定位信息的定位方案,研究基于VSLAM的四足机器人视觉定位系统。本文首先针对四足机器人设计了一种基于VSLAM的定位方法,以VSLAM中的ORB-SLAM2框架为基础,研究了一种快速重置定位的方法:通过在运行时并行保存相关特征点、关键帧和共视图实现历史场景重置定位;改进数据存取算法,使数据以bin格式进行存取,提高数据存取效率,从而以较低成本扩大了四足机器人定位系统的应用场景。其次针对ORB-SLAM2框架原有视觉里程计效率低的问题,本文在常用前端视觉里程计算法中进行了ORB,SURF,SIFT三种特征提取方法,以及BF（Brute Force Matcher）和FLANN（Flann Based Matcher）两种特征匹配方法的对比,得出ORB算法和FLANN算法更适用与本文场景的结论,以此通过调用GPU协助特征点的提取实现对视觉里程计算法的改进,从而提高效率。然后针对ORB-SLAM2无法提供稠密三维地图的问题,通过八叉树地图改进地图构建方法,实现了实时稠密三维地图构建算法,为进一步研究避障和导航功能打下了基础。采用基于Bundle Adjustment方法的后端优化方法,以实现全局光束平方差以及鲁棒核函数增强系统鲁棒性。采用基于词袋模型的回环检测策略,以提高回环检测的效率。最终在四足机器人上验证了定位系统的准确性、ORB特征提取与匹配效率以及设备的综合性能。