视觉里程计主要用来解决移动机器人的定位问题,使得移动机器人处于未知的环境中时,可以凭借自身所携带的传感器采集到的图像信息,来进行自身位置的判断。如今视觉里程计算法依然存在很多问题。主流的点特征算法在纹理缺失,光照变化明显的场景中表现不佳,影响运动估计的准确性。为了改善上述问题,本文对视觉里程计算法进行了研究,在保证实时性前提下,通过引入改进线特征匹配算法,综合点线特征各自优点,提出一种鲁棒性更强的视觉里程计算法。本文主要研究内容如下:(1)针对目前主流的特征检测算法进行分析对比,最终选用ORB特征作为点特征提取算法,并在算法原有基础上结合ROI搜索域算法做出改进,通过划分检测区域,在保证点特征质量的前提下,节省计算开销。(2)针对光照变化影响以及欠纹理环境下点特征较少,传统视觉里程计的累积误差会随着机器人的位移而增大,导致位姿估计不准确的问题,提出融合线特征的策略,首先通过LSD算法提取线特征,然后根据线特征间几何关系改进线匹配过程,与传统计算描述子算法相比大大提高匹配速度,同时提高算法对光照变化环境的鲁棒性。(3)通过构建基于点线特征的图模型优化求解关键帧之间的相机运动,采用改进的关键帧选择算法,对帧间距离加以限制,确保帧间距离在一定范围内,避免冗余数据对系统运行效率的影响,同时契合本文所使用的线匹配算法。最后通过搭建基于Kinect深度相机的视觉里程计系统来验证算法的性能。通过在真实场景和多组不同数据集下的测试,证明了本文提出的算法可以在满足实时性的前提下,在欠纹理、光照变换明显的场景中有着较好的定位精度。