目前,基于单一视觉特征的定位建图方案已经广泛应用于生产、生活和军事等各个领域。但这种方案十分依赖单一的视觉特征,在环境纹理相对缺失的结构化场景下的定位建图精确度和稳定性都很差。为了解决上述问题,本文提出了一种基于点面特征融合的定位建图方案,该方案充分结合结构化场景的丰富几何特征,从场景中提取平面特征并将其添加到地图中,进而确保定位建图系统在结构化场景下的精确度和鲁棒性。本文的主要研究内容如下:首先,对课题涉及的传感器进行了模型构建和信息处理融合。从课题需求出发,对视觉信息进行了信息预处理和传感模型构建,对IMU信息进行了模型构建和预积分处理,并进一步设计了视觉和IMU内外参数联合标定方法进行了联合标定实验,有效解决了系统因传感器内外参数偏差导致的精度下降问题。其次,针对结构化场景下经典算法精度较差的问题,本文提出了一种基于点面特征融合的定位建图算法。具体提出了基于空间几何约束的平面提取方法并设计了平面提取实验,有效解决了图像帧上的平面提取问题。进一步针对特征匹配和多帧图像跟踪进行研究并设计实验,解决了图像帧之间的误匹配问题。还针对多源传感信息初始化进行研究,解决了点面特征融合定位建图系统的初始化问题。本文基于点面特征提出了新的关键帧判别方法。并且基于点面重投影误差和平面集合约束,本文还提出了点面特征融合的位姿估计方法,成功构建了点面特征融合的视觉惯性里程计。为了满足结构化场景下的建图需求,本文提出了基于平面特征更新策略的局部地图更新方法,也基于点面路标构建了完整的地图优化模型,还针对结构化场景进行了地图构建实验,成功验证了地图构建可靠性。最后,本文设计了一套可行的点面特征融合定位建图系统测试框架,该框架包括实验测试平台搭建、标准数据输入配置以及试验方案设计三个部分。实验测试平台搭建主要针对本文的系统部署相关的实验测试硬件、软件平台进行搭建;标准数据输入配置则确定了本文实验场景信息和数据格式;试验方案设计则进行了详细的实验流程构建和评价指标设计。为了证明本文设计实现的点面特征融合定位建图系统的可靠性和性能指标优越性,与主流基于点特征的定位建图算法比较了各项精度和可靠性指标,在位姿估计轨迹误差（APE）以及稳定性等重要指标优于主流基于点特征的定位建图算法。