Inspirado en la libre navegación de los roedores a través de un espacio específico, RatSLAM imita la función del hipocampo de la rata para establecer un modelo ambiental dentro del cual el agente se localiza. Sin embargo, RatSLAM sufre de deficiencias en la detección errónea del cierre de bucles, baja fiabilidad en el mapa de experiencia y débil adaptabilidad a los cambios ambientales, como la variación de iluminación. Para mejorar la adaptabilidad ambiental, este documento propone un algoritmo mejorado basado en el espacio de color HSI (matiz, saturación, intensidad), que es superior en el manejo de las características de brillo y saturación de la imagen desde la perspectiva de un modelo visual biológico. El algoritmo propuesto primero convierte los datos de imagen en bruto del espacio RGB (rojo, verde, azul) al espacio de color HSI utilizando un método de derivación geométrica. Luego, se adopta un filtro homomórfico que actúa sobre el canal I (intensidad) y debilita la influencia de la intensidad de la luz. Finalmente, se utiliza un filtrado guiado para procesar el canal S (saturación) y mejorar la significancia de los detalles de la imagen. Los resultados experimentales revelan que el modelo RatSLAM mejorado es superior al método original en términos de precisión en la coincidencia de plantillas visuales y robustez.