1.一种适应于多变光照环境的自适应视觉SLAM方法，其特征在于包括三大线程：跟踪线程、局部建图线程、回环检测线程，具体如下：A.跟踪线程：SLAM系统接收到来自相机中的图像，采用自适应图像亮度预处理算法进行图像增强预处理，自适应地校正图像亮度，从校正后的图像中提取ORB特征，输出每帧图像对应的相机位姿信息用以定位，进行局部地图跟踪，同时挑选关键帧，并传输给局部建图线程；

B.局部建图线程：接收跟踪线程输出的关键帧，完成关键帧的插入，生成新的地图点；

然后用局部光束平差法进行调整，最后对插入的关键帧进行筛选，剔除多余的关键帧；

C.回环检测线程：主要包括两个过程，分别是回环检测和回环校正，回环检测首先利用词袋进行回环关键帧的检测，然后通过sim3算法进行相似变换；回环校正则是进行回环融合并优化本征图像；

在SLAM系统前端增加了校正图像亮度的图像预处理算法，所述图像预处理算法包含以下步骤：第一步：将视觉系统获取的原始图像从RGB空间转换到HSV空间，并分离图像的色调分量 ，饱和度分量 和亮度分量 ， 为像素点在图像上的坐标值；

第二步：采用多尺度高斯函数的方法，对提取出的环境照度分量进行加权处理；利用式，提取环境照度分量 ，*表示卷积运算； 为高斯模糊滤波器，须满足归一化条件，即 ；高斯模糊滤波器采用高斯滤波对整幅图像进行加权平均，每一个像素点的灰度值，都由其本身和邻域内的其他像素点的灰度值经过加权平均后得到， 为第i个尺度高斯函数照度分量的加权系数，一般取1/N，N为使用到的尺度数目；

第三步：根据从图像中提取的照度分量 ，确定自适应校正因子γ，，其中 为自然底数， ，为所提取

照度分量的平均值；

第四步：得到自适应校正因子γ后，通过式 对亮度分量

进行校正；

第五步：采用CLAHE算法对亮度分量 优化处理，得到优化后的亮度分量 ；

第六步：将优化后的亮度分量 ，与未处理的 、 分量进行融合，并将图像从HSV空间转换回RGB颜色空间，由此得到原始图像的增强图像；增强后的图像作为特征提取的源图像。

2.根据权利要求1所述适应于多变光照环境的自适应视觉SLAM方法，其特征在于：第二步加权平均具体的操作是用一个模板扫描图像中的每一个像素点，模板确定的邻域内像素点灰度值的加权平均值代替模板中心像素点的灰度值；涉及的函数是：，其中 为模板内像素点在以中心像素点为

原点构建的坐标系下的坐标，服从正态分布，记为： , 、 分别为x、y的数学期望， 、 分别为x、y的标准方差， 像素点的协方差 ，为 的期望值，相关系数 ，因为 是独立的二维随机变量， ，且在横纵两个方向上所服从的正态分布应相同， ，令其为 ，中心点像素在原点位置， ，由此，二维图像中像素点权重的正态分布函数简化为式，对饱和度分量 与色调分量 不做处理，保持不变。