同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术在军事国防、航空航天等领域拥有广泛应用前景。其中视觉SLAM方法由于信息量丰富、设备简单、应用范围广泛等优势,在诸多SLAM方法中脱颖而出。视觉里程计（Visual Odometry,VO）作为视觉SLAM算法的前端部分,其理论基础为基于帧间匹配的增量式位姿估计,故不可避免地存在漂移误差累积等缺陷,往往通过回环检测等后端优化手段予以矫正。但舰载无人机降落、航天器在轨交互对接、火星探测任务等典型应用场景不具备往复运动条件,无法有效进行回环检测与优化。因此,探索视觉里程计的优化机理与方案,成为了视觉SLAM领域亟待解决的热点研究问题。近年来,针对视觉里程计的优化方案主要集中于特征选择与描述、多源数据融合等方向,这些方法可以显著提升位姿估计结果,但也带来了许多局限性,例如增加了算法复杂度、增添辅助设备等,极大的限制了算法的应用场景。随着图形图像处理设备的性能提升,在移动处理器进行实时成像仿真渲染已经成为现实。本论文以充分利用视觉SLAM运行过程中的三维点云数据为出发点,从基于物理模型的成像仿真方法和融合目标特性仿真图像的视觉里程计优化方法两方面开展研究,探索出一种基于目标特性仿真生成的视觉里程计方法,其主要研究内容和贡献如下:1、设计了一种基于物理模型的成像仿真算法。根据视觉SLAM算法运行过程中构建的三维点云地图,对场景中的目标进行表面建模与材质属性匹配。依据光线追踪理论,构建成像仿真渲染引擎对目标外观进行成像仿真渲染,并对成像仿真结果进行评估,证明了特性生成图像与实际拍摄图像的一致性。2、提出了一种融合目标特性生成图像的视觉里程计方法。根据实时生成的目标特性仿真图像进行累积误差的矫正,有效解决了漂移误差累积问题。使用扩展卡尔曼滤波器,实现了无回环检测情况下的位姿状态量最优估计。3、研制原型系统并搭建模拟场景进行实验验证,构建多种场景下的数据集进行对比实验。分析可知,本论文所提出的方法有效解决了传统视觉里程计方法的漂移误差累积问题,相较ORB-SLAM2算法的前端定位精度显著提升。上述研究工作为视觉SLAM算法应用于舰载无人机降落、航天器在轨交互对接、火星探测任务等无往复运动或回环检测困难的场景提供了新的解决思路,为视觉里程计的优化方法提供了一种新的技术路线。