单目视觉里程计(VisualOdometry,VO)作为计算机视觉研究领域的核心技术之一,仅通过单目相机所采集到的图像数据,即可完成对单目相机周围环境以及自身位姿的估计,为无人机等载体在未知环境下独自完成导航定位任务提供了重要的技术支持。传统基于点特征的单目视觉里程计受环境的影响较大,在纹理较低以及光照变化较大的环境下会有定位精度下降甚至跟踪失败的问题。针对上述问题,本文通过在基于点特征的单目视觉里程计框架中引入线特征,并改进特征匹配算法来降低环境变化对视单目视觉里程计精度的影响。本文主要的研究工作如下:(1)研究了一种基于网格评价的帧间点特征误匹配剔除方法。在基于点线特征单目视觉里程计的点特征处理过程中,利用图像坐标中的像素点在空间上具有相似运动的运动平滑性约束,对网格区域内的点特征匹配群集进行相似性评价,并对相似性差的匹配集群进行剔除。与传统使用最邻近算法进行误匹配剔除的方法对比,基于网格的误匹配剔除方法保留了更多的有效匹配点,且运算时间则仅为前者的一半。(2)研究了一种基于几何约束的帧间线特征匹配方法。在基于点线特征单目视觉里程计的线特征处理过程中,引入基于像素梯度滤波器的线特征筛选流程,并利用线特征间的夹角、投影等几何约束,实现了一种新的帧间线特征匹配方法。帧间线特征匹配实验表明,与传统基于描述子的帧间线特征匹配方法相比,本文所使用的方法虽然匹配的帧间线特征数量有所下降,但是其内线率比前者提高了10%,匹配时间缩短了22.4%。(3)研究了一种融合点线特征图优化模型的位姿估计方法。在传统基于点特征的单目视觉里程计中,本文于已有的图优化模型上增加了空间线到图像帧的重投影误差约束,并细致推导了欧拉空间下该约束用于求解最优状态估计的相关雅克比矩阵。由TUM数据集中的位姿估计实验可以看出,使用本文所使用图优化模型的位姿估计方法比使用原图优化模型的位姿估计方法定位精度提高了13.1%,引入尺度真值后定位误差在±2cm以内。(4)实现了一个完整的融合点、线特征的单目视觉里程计,具备特征跟踪、帧间特征匹配、建图以及局部位姿优化等功能。与传统基于点特征的单目视觉里程计相比,本文所的里程计的定位精度在原EuRoC数据集中提升了10%,在处理后模拟光照变化环境的EuRoC数据集中提升了15%,引入尺度真值后定位误差在±10cm以内。在实测数据实验中,本文的单目视觉里程计的回环误差小于2%,优于传统的单目视觉里程计。