摘要：传统RatSLAM算法中局部场景的形成和匹配过程采用绝对差值和模型,没有对场景的几何处理和特征提取,其显著的缺点是对光线变化的敏感性,以及不能识别已有模板图像旋转后的图像。全局特征能够快速地完成对场景的整体判断,局部特征能够提供场景中物体的空间分布等信息,和全局特征形成互补。因此在局部场景形成阶段,分别提取局部场景图像的GIST特征和SIFT特征,串行融合后形成局部场景特征模板存储入局部场景细胞。通过局部场景细胞与位姿感知细胞的关联作用,修正机器人位姿。通过局部场景细胞进行实时模板匹配实现检测,校正经历地图。仿真实验表明,改进后的RatSLAM模型准确率和召回率分别达到91%和82%。相较于RatSLAM原始模型,改进后的RatSLAM模型提高了检测的准确率,改进了系统对光线变化的敏感性,增强了系统鲁棒性。