基于视觉的同时定位与地图创建(Simultaneouse Localization and Mapping,SLAM)技术是近年来智能车领域使用视觉的方法来进行定位导航的趋势,也是近年来的热点研究问题。视觉定位不依赖于外部定位信号的输入,可以避免传统组合导航在GPS信号被遮挡时发生定位跳动和漂移的现象。因此在自动驾驶技术中,视觉定位具有重要的应用。本文基于无人驾驶车辆车载双目摄像头,研究在非结构化道路环境中无人车辆SLAM问题。本文根据行驶路径是否回到行驶起点或者曾经走过的路径将SLAM后端优化问题分为非回环和回环问题,并分别针对两种问题基于图优化的方法建立了非回环优化模型和回环优化模型。在非回环优化模型中,首先提出一种由多个关键帧及其对应的三维特征点组成的关键帧单元结构,并将每一个关键帧单元作为优化模型中的基本优化单位来进行整体优化调整。然后构建出基于多线程的调度器和优化器,调度器负责在一定大小的窗口下利用从起始帧到当前帧中的关键帧分层次多尺度地构建关键帧单元,优化器对构建出来的关键帧单元进行优化。该模型有效改善了非回环条件下定位的准确性以及稳定性。在回环优化模型里,提出一种将全局关键帧进行分割的优化方法。将全部关键帧按照一定的规则构造成多个关键帧单元参与优化,通过多次迭代的方式来减少误差。最后将非回环和回环优化进行耦合,保证了在非回环和回环同时存在的情况下优化的一致性。最后本文首先以公开视觉数据集KITTI中的数据对本文中的非回环和回环模型分别进行了验证。然后以实验室无人驾驶车辆作为实验平台,分别在校园环境、无遮挡的越野环境、以及有遮挡的树林环境中进行了实车实验。实验结果表明,本文中提出的优化模型能够有效减小在越野环境及有遮挡环境中的定位误差,优化SLAM定位结果。