同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术不仅在移动机器人研究领域里发挥着重要作用,与导航定位技术也密不可分。由于视觉SLAM相比激光SLAM更具价格优势,所以也更加具有研究价值。因而对视觉SLAM影响最大的环境因素自然也成为研究的热点。目前视觉SLAM常用的特征提取算法中,定向快速旋转简报（Oriented FAST and Rotated BRIEF,ORB）算法具有一定的优势。因此本文以ORB-SLAM2算法为基础框架,提出了一种改进的视觉SLAM算法,该算法在室内条件下的无纹理无结构挑战性场景中也能体现较好的定位与建图性能。首先,本文对ORB-SLAM2跟踪线程中的算法进行了改进,以用于无纹理无结构环境的精准定位。为了提取足够的特征点,本文通过增强尺度不变性以及自适应设置角点判定阈值来对ORB算法进行改进。在此基础上,采用了改进的运动平滑模型算法来剔除错误匹配,采用了改进的solve Pn PRansac算法计算位姿估计。在solve Pn PRansac算法获取初始位姿后,通过混合误差重投影方法进行了优化,提高了相机在无纹理无结构环境下的定位精度。其次,采用了基于微分熵的方法选取关键帧,在局部建图线程中用来管理地图点。在回环检测线程中,本文替换了原来基于词袋的回环检测方法,采用了基于测量的最近邻搜索回环检测方法与图优化结合实现全局优化。最后,通过增加稠密建图模块与点云滤波优化模块实现无纹理无结构环境下八叉树地图的建立,并在机器人操作系统（Robot Operating System,ROS）下通过Gazebo物理仿真平台搭建了室内无纹理无结构仿真环境,进行了移动机器人自主导航避障的仿真运动。在导航实验中增加了地图的复用模块,通过对点云地图的保存与加载来降低实验的复杂度,无需重复构建点云地图。本文利用了慕尼黑工业大学（Technical University of Munich,TUM）提供的公共数据集验证了改进算法的性能。改进的视觉SLAM算法成功的实现了无纹理无结构环境的八叉树地图构建,且导航避障实验也证明了本文改进的算法在无纹理无结构环境下具有建图误差小、定位精度高的优越性。