【摘要】针对复杂光照条件下，如何提高无人机智能巡检作业中场景目标识别精准性的问题，本文将视觉即时定位与地图构建（ｓｉｍｕｌｔａｎｅｏｕｓ ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ ｍａｐｐｉｎｇ，ＳＬＡＭ）和机器学习算法进行融合，经过优化得到动态ＳＬＡＭ２ 算法，增加动态目标检测线程，在对图像特征点进行提取的过程中，将动态目标区域剔除，通过对静态特征点的运用实施目标位姿估计。实验结果显示：将本文融合视觉ＳＬＡＭ 与机器学习的动态ＳＬＡＭ２ 算法应用于无人机智能巡检中，目标特征识别所用关键点数量明显比加速稳健特征（ｓｐｅｅｄｅｄ ｕｐｒｏｂｕｓｔ ｆｅａｔｕｒｅｓ，ＳＵＲＦ）算法和尺度不变特征转换（ｓｃａｌｅ⁃ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍ，ＳＦＩＴ） 算法少得多，且耗时更短，因而具有显著优势，有一定的应用价值。