摘要：视觉同步定位与地图构建(SLAM)算法在低光照条件下容易出现跟踪丢失和特征匹配困难,造成闭环和定位精度降低。针对此问题,提出一种融合傅立叶特征增强网络(FFE-Net)的视觉SLAM算法。首先,通过对傅里叶频域和空间域进行跨域处理,设计傅里叶空间亮度增强和特征细节恢复模块,提高了系统在低光照条件下的特征匹配数量及定位精度。其次,提出一种基于局部超像素特征描述符的闭环检测方法,通过规划特征区域生成特征描述符并结合词袋,共同完成对候选回环帧的筛选,提高闭环准确率。最后,在TUM_VI、KITTI和EUROC公开数据集上进行实验验证。实验结果表明,所提算法在TUM_VI上的绝对轨迹误差比ORB-SLAM3算法平均降低了27.16%,闭环精度比VINS-FUSION算法提升了5.0%。根据实际场景下的实验结果,所提算法的运动轨迹比VINS-FUSION更接近真实轨迹,表现出良好的构图能力。