随着科技的发展,室内机器人、虚拟现实、增强现实等新兴应用逐渐走进人们的生活。基于视觉的同时定位与建图(Visual Simultaneous Localization and Mapping,V-SLAM)技术在其中起到至关重要的作用,是机器人领域和计算机视觉领域的研究热点。目前,主流视觉SLAM系统的视觉里程计环节都是同时估算旋转运动和平移运动,在不使用回环检测,全局重定位等其它SLAM技术的情况下,路径轨迹具有较大的漂移误差,且难以输出其它有效视觉信息,对后续优化工作有着较为苛刻的要求。为解决这些技术难题,本文在室内曼哈顿场景下进行了相关研究工作。(1)实现了一种低漂移误差视觉里程计的基本算法,算法分开估计旋转运动和平移运动。利用空间表面法向量的密度分布,对旋转运动进行估计;利用图像特征点,定义重投影误差函数,对平移运动进行估计,提升了位姿估计的准确性。(2)针对基本算法中的局限性,在其基础上进行改进,使得系统能在只看到一类平面及平面中的平行线时,仍可实现旋转运动的估计。在旋转运动求解过程中,添加使用了空间中的直线几何信息;在平移运动求解过程中,添加使用了没有深度信息的特征点,提高了准确性。(3)在视觉里程计环节结合网络模型初步识别场景拓扑结构,提出并实现了先进的二维拓扑交线拟合和节点优化的算法,输出有效视觉信息。