摘要：针对经典单目实时定位与测图（SLAM）采用卡尔曼滤波（EKF）滤波和FAST特征角点所存在的非线性误差和鲁棒性较差的问题，提出了一种改进的单目视觉实时定位与测图方法。该方法采用相机中心的迭代EKF（IEKF）滤波方法，将特征点在当前相机坐标系下表达，并在线性化展开点附近迭代更新，不断逼近最优位置，从而最小化线性化误差；针对特征点跟踪的鲁棒性、高效性及分布不均的问题，选用具有尺度和旋转不变性，且探测和匹配效率更高的ORB特征作为特征角点，并采用一种由探测到筛选阶段的整体网格化处理方法；另外，采用特征点逆深度参数化方法，避免了因深度信息未知而导致的局部地图初始化错误问题，并采用1点随机抽样一致方法（RANSAC）滤波更新方法剔除错误的特征匹配，保证滤波估计的准确与稳定。实验采用外符合精度对算法进行评价，结果表明：新方法具有更强的鲁棒性，绝对定位精度提升至2．24m，误差轨迹比提升至1．3％，且满足实时性要求，是一种实用性较强的单目视觉实时定位与测图方法。

关键词：单目实时定位与测图 orb 迭代卡尔曼滤波 逆深度 1点随机抽样一致方法 

单位：信息工程大学导航与空天目标工程学院; 郑州450052