在视觉同时定位与地图构建问题中，ORB(Oriented FAST and Rotated BRIEF)特征由于其高效、稳定的优点而受到广泛关注。针对ORB特征提取过程中存在的像点量测精度较低、特征聚集现象明显等问题，提出了一种适用于高精度SLAM的均衡化亚像素ORB特征提取方法。分析了精确特征定位的原理，对误差方程进行合理的简化并采用一种基于模板窗口距离的权函数计算方法，大幅降低了计算负担; 设计了一种基于四叉树结构的特征均衡化方案，对包含特征的像平面空间进行有限次数的迭代分割，然后选取具有最优响应的特征。试验表明，本文方法进行特征提取的额外计算负担小于2.5 ms，在运行TUM和KITTI数据集时，ORB特征的量测精度分别为0.84和0.62 Pixel，达到亚像素水平，可以降低误差初值，提高光束法平差效率，并能够在满足特征总体分布规律的情况下，显著改善特征聚集的现象，有利于后续问题的稳健、准确求解。

针对最小二乘的旋转平均方法对粗差敏感, 求解影像旋转参数不够精确的问题, 提出了一种稳健的旋转平均方法。先利用李群和李代数之间的映射关系, 将旋转矩阵的乘积运算简化为李代数中的减法运算, 推导出旋转平均迭代解算的线性化方程; 然后利用L1范数优化和迭代加权最小二乘相结合的方法求解全局一致旋转最优解; 最后采用迭代策略剔除粗差, 得到精确的旋转矩阵。实验结果表明, 与传统最小二乘方法相比, 提出方法的旋转参数求解精度更高, 稳健性更好, 用于三维重建可以得到更密集均匀的点云, 重建完整性更好。旋转平均的精度优于0.15度, 计算时间不超过0.31s, 光束法平差后, 重投影误差在1.3个像素以内。基本满足快速稳健三维重建的要求。