La Localización y Mapeo Simultáneos Visual (VSLAM) es significativa en la conducción no tripulada, ya que se utiliza para localizar vehículos y crear mapas ambientales, y proporciona una base para la navegación y la toma de decisiones. Sin embargo, en entornos oscuros inevitables, el sistema SLAM aún sufre una disminución en robustez y precisión. En este sentido, este documento propone un pipeline VSLAM llamado DarkSLAM. El pipeline consta de tres módulos: Ajuste de Atributos de Cámara (CAA), Mejora de Calidad de Imagen (IQE) y Estimación de Pose (PE). El módulo CAA estudia cuidadosamente las estrategias utilizadas para configurar los parámetros de la cámara en entornos de baja iluminación, mejorando así la calidad de las imágenes originales. El módulo IQE realiza una mejora de imagen con supresión de ruido con el propósito de mejorar el contraste de la imagen y los detalles de textura. En el módulo PE, se construye una red de extracción de características ligera que realiza un entrenamiento pseudo-supervisado en conjuntos de datos de baja luminosidad para lograr una asociación de datos eficiente y robusta para obtener la pose. A través de experimentos en conjuntos de datos públicos de baja luminosidad y experimentos en el mundo real en la oscuridad, se verifica la necesidad de los módulos CAA e IQE y el acoplamiento de parámetros entre estos módulos, y finalmente se verifica la viabilidad de DarkSLAM. En particular, la escena en el experimento NEU-4am no tiene luz artificial (la iluminación en esta escena está entre 0.01 y 0.08 lux) y DarkSLAM logró una precisión de 5.2729 m a una distancia de 1794.33 m.