随着电子工业、传感技术、通信技术、人工智能的不断发展,各个领域逐渐开始逐渐普及移动机器人技术,该技术显著解放了生产力,提高了人们的生活质量。同步定位与地图构建（SLAM,Simultaneous Localization and Mapping）技术随着各类传感器的不断发展逐渐成为当前机器人领域的热点研究之一。其中ORB-SLAM2作为目前最优秀的SLAM系统之一,有着计算量小,运行速度快等优点,但其同时存在光照不变性、均匀度以及构建的稀疏特征点地图人机交互性较差的问题。因此本文针对ORB-SLAM2系统的特征点提取和地图构建中存在问题进行了优化以提升算法的光照不变性、均匀度和人机交互性。在特征点提取方面,特征点作为SLAM系统后续建图工作的重要组成部分,特征点的光照不变性、尺度不变性以及均匀度的优劣,在一定程度上决定了所构建地图的真实性。因此本文以ORB-SLAM2算法前端视觉里程计的图像特征点提取和四叉树均匀分布算法作为研究对象。针对ORB算法阈值固定,在光照变化的环境中容易出现误提取、误匹配的问题,采用自适应阈值对ORB算法进行优化;针对四叉树在处理特征点块时容易出现过度分裂的问题,采用对四叉树分裂深度以及提取区域进行优化的方法,以提升算法时效性和均匀度。通过实验得出,改进后的ORB算法的光照不变性和特征点均匀度均有明显提升。在地图构建方面,地图是SLAM系统与上层应用和研究人员沟通的重要桥梁,由于ORB-SLAM2构建的稀疏特征点地图保留的特征点较少,虽然保证了实时性,但地图的人机交互性较差,因此本文地图构建作为研究对象,针对ORB-SLAM2系统构建的稀疏特征点地图存在易读性较低的问题,采用实时构建稠密点云地图的方案;针对点云地图构建过程中由于传感器误差导致点云中存噪声,以及在滤波过程中单一滤波算法对离群点剔除效果不佳的问题,采用综合滤波方法对离群点进行剔除。在TUM数据集上的实验结果表明,本文算法可以构建稠密点云地图,且综合滤波算法在提升算法时效性的同时还减少了点云地图所需内存空间。