随着计算机视觉的发展与电子设备的普及,可以在真实世界中无缝地叠加虚拟信息的增强现实技术(Augmented Reality,简称AR)有了越来越广泛的应用。然而目前大部分AR应用采用基于图像标识或者基于GPS定位的方法,在实际使用中存在着很大的局限性。为了解决AR应用无法在未知环境中运行的问题,同时定位与地图构建算法(Simultaneous Localization And Mapping,简称SLAM)逐渐成为增强现实领域的研宄热点。SLAM算法可以在没有先验信息的环境中实时感知相机位置并构建环境地图,不仅扩展了AR应用的使用范围,还进一步保证了虚拟信息与现实世界的准确融合。目前较为主流的方案是基于特征匹配的SLAM算法。ORB-SLAM2算法是目前最具代表性的基于特征匹配的SLAM算法。然而在AR应用中,ORB-SLAM2由于对特征点的过度依赖,直接使用往往存在特征点误匹配率过高、鲁棒性差、适用范围局限等问题。为了提高算法的鲁棒性,扩展其适用范围,本文以增强现实为应用背景,基于ORB-SLAM2算法进行了以下研究工作:(1)针对场景中的重复纹理导致算法特征点误匹配率过高的问题,本文提出一种改进的ORB特征点,其描述子综合考虑特征点邻域灰度与梯度信息,并结合多网格策略捕获特征点邻域不同的粒度信息,增强特征点的独特性,有效地提高了特征匹配的精度。为了保证系统的实时运行,本文进一步借助优化的特征点来降低系统初始化阶段相机运动模型算法的迭代次数,以平衡计算复杂描述子对系统实时性带来的影响。实验证明,本文提出的特征点有效地降低了算法的误匹配率,并改善了其在纹理重复场景中无法初始化、跟踪丢失与相机轨迹漂移的问题。(2)针对算法在点特征缺失场景鲁棒性较低的问题,本文提出一种基于点线综合特征的单目视觉SLAM算法,该算法同时提取场景中的点特征与线特征,增加特征的维度以降低算法对点特征的依赖性。在算法前端通过最小化点线综合特征的重投影误差来估计相机位姿与恢复环境地图,解决其在点特征缺失场景无法运行的问题,此外将线特征的约束引入关键帧选择机制,进一步剔除冗余信息,保证算法的实时性。在算法后端建立基于点线综合特征的地图模型来优化前端数据,进一步提高算法的精度与在点特征缺失场景的鲁棒性。通过在TUM数据集与KITTI数据集上的验证实验,证明了本文算法在算法精度、运行效率、纹理特殊场景鲁棒性等方面与已有文献相比均有较好的表现。(3)将本文提出的改进算法作为SLAM模块,结合增强现实模块,实现一个完整的无标识增强现实系统。增强现实模块首先采用RANSAC算法进行平面拟合,根据SLAM模块提供的点云信息计算出最佳平面参数,然后根据SLAM模块提供的相机位姿将虚拟模型通过透视投影变换渲染至平面。该增强现实系统不仅可以直接在未知环境中渲染模型,而且有效地保证了虚拟模型与真实世界的几何一致性。