视觉里程计是移动平台(如机器人,无人车等)根据实时采集的视频图像信息来估计自身运动的定位技术,是机器人实现自主导航的关键技术之一。其近年来吸引了大量研究者的兴趣,在无人驾驶、可穿戴电子设备、AR和游戏等领域有着巨大的应用前景。目前视觉里程计估计相机运动的方法大多数都是基于点特征,然而点特征对于环境的依赖较大,如在弱纹理或光照变化等场景中,基于点特征的算法往往会表现不佳。另一方面,在人造的结构化场景中,线特征通常是很丰富的,但是线段端点的不稳定性以及线段连通性的缺失使得线段的匹配很复杂。本文以点线结合为基础,进一步研究提升视觉里程计鲁棒性和准确性的方法。本文的主要研究成果包括:(1)提出了一种线段交点结构特征及其检测方法,该检测方法首先检测出图像中的线段,针对部分线段存在断裂的情况,提出了线段沿最大化梯度方向调整与合并的后处理过程,提高了线段提取的效果;然后使用局部空间近邻性策略筛选出共面线段对;最后使每一个共面线段对相交构造出线段交点结构特征。实验结果表明在弱纹理结构化场景中线段交点结构特征的提取结果更丰富和稳定。(2)在线段交点结构的基础上结合交点周围局部区域的梯度信息,提出了一种包含结构和梯度信息的联合描述子,具体为:以线段的交点为圆心构建一个圆形区域,根据线段将圆形区域划分为8个子区域,分别计算每个子区域的梯度方向直方图并进行归一化,同时用形状上下文来描述线段交点间的结构信息,将两者结合得到线段交点的联合描述子。最后还提出了利用夹角信息和联合描述子的匹配方法,一对相匹配的线段交点结构特征不仅仅提供了一组“类似关键点”的匹配,而且还产生了两组单独的线匹配结果。实验结果表明本文提出的联合描述子及其匹配方法获得了较好的效果。(3)在位姿优化中,提出了一种基于采样的空间线段估计方法,该方法在线段中采样多个均匀分布的点,利用深度图中的深度信息将这些点反投影到三维空间中,使用RANSAC和PCA算法将这些空间点拟合成一条空间线,这样可以减少深度误差或线性关系不明确带来的影响。在重投影误差的计算中,结合点与线对BA优化的代价函数进行了优化,构建了相对应的图优化模型,并给出了对应的雅可比矩阵解析形式的推导。(4)基于提出的线段交点结构特征和点线结合的优化方法,设计并实现了一个完整的RGB-D视觉里程计系统框架,包括特征匹配、位姿估计、局部地图构建和BA优化等内容。实验结果的分析和比较表明,该系统具有良好的鲁棒性和准确性,尤其在弱纹理和光照变化情况下具有更好的效果。