数字图像的特征点检测方法是计算机视觉领域中不可或缺的重要组成部分。目前计算机视觉应用中的图像匹配问题通常采用传统的特征点检测方法来处理,而其中一类特征匹配问题包含了图像间的视角变换信息,本文利用该视角变换信息,基于神经网络设计了一种新的图像特征检测方法,将其应用到视觉里程计实例中,并优化了算法处理性能。本文提出了一种面向视角变换优化的神经网络图像特征点检测方法,首先,通过加入视角变换信息来增强训练数据,最大程度地提升训练后的模型在视角变换情况下对特征点的识别判断能力。其次,将神经网络模型的前向计算结果与待检测点相对原图像中心点的位置偏差进行加权求和得到新的得分函数值,实现对特征点进行预筛选的同时对边缘特征点进行抑制。最后,在得分函数值的基础上进行局部非极大值抑制操作,筛选出整个图像中最好的特征点。实验表明,本方法相比于传统方法拥有更高的特征点检出重复性。本文实现了基于所提方法的视觉里程计应用实例,结果表明,基于本文所提方法的视觉里程计应用相比于常用方法在位姿估算上误差更小。本文对所提方法在算法实现上进行了性能优化设计,采用流水线结构与并行计算结构,结果表明,该算法实现达到了实时处理帧率。