视觉惯性里程计以其成本少、部署方便等优势被广泛应用于服务机器人、无人机和水下自主航行器中。尽管目前其已经被学者们广泛研究,但是在例如无纹理、光照变化快、曼哈顿世界假设以及动态环境等恶劣环境中,相关算法亟待进一步改善。本文针对上述问题对系统进行改进,包括初始化问题、平面之间几何关系问题以及动态环境下线特征鲁棒性问题。针对视觉惯性初始化问题,本文将线特征引入到从运动中恢复结构算法,构造点线结构,随后使用松耦合的方法依次对陀螺仪零偏、位姿、尺度因子和重力加速度进行解算,并且对关键帧筛选机制和线特征的重投影误差模型进行改良。实验结果表明,该算法可以在几乎不影响初始化速度的前提下,减小初始化误差,提高系统定位精度。针对平面特征几何关系问题,本文提出一种基于关键平面的算法,在非线性优化函数中施加平面之间的平行和垂直约束。该方法对每个被边缘化的面特征进行筛选,定义了关键平面,在因子图中施加平面间的几何残差。此外,自定义了建筑法向量,使用建筑法向量进行水平平面和垂直平面的检测,并且随着关键平面的提取对建筑法向量进行更新。实验结果表明,该算法可以在保持系统实时性的前提下,增加系统定位精度并且使绘制的平面地图更加符合预期。针对动态环境下线特征的鲁棒性问题,本文提出一种基于自我运动约束、光流法、语义分割法和重投影误差法的动态线特征筛选方法。将上述原本应用于点特征的四种方法扩展到线特征上,准确筛选出可能坐落于动态物体上的线特征。随后,在优化函数中对动态特征施加与静态特征相比较小的权重。实验结果表明,该算法能够精确地判断提取到的线特征是否坐落在动态物体上,并且能够有效地减轻动态物体对整个导航系统的影响。