视觉里程计是移动机器人领域中的一个重要分支,其对移动机器人在不熟悉的未知环境中完成自主导航的功能发挥决定性作用。视觉里程计是指通过对连续的图像序列进行相关过程的处理,实现移动机器人的定位。RGB-D相机既可以获取RGB图像又能够采集深度信息,并且具有测量精度高、频率快、价格低廉、方便安装的优点,这些优势使得近年来RGB-D视觉里程计成为了该领域的热点,一些相关的应用也因此产生。人类的生活环境往往十分复杂,例如在室内场景中,采集到的图像会包括弱纹理、强光线、长通道等信息,这些复杂的图像信息是视觉里程计无法避免的,给移动机器人定位带来巨大挑战。对于室内场景,观察RGB-D图像会发现存在丰富的边缘特征,边缘特征相比于点特征具有更丰富的环境信息,对于应对纹理缺失、点特征不足而导致的跟踪失败情况有着明显的优势。因此,本文针对室内环境下RGB-D图像的鲁棒视觉定位研究,结合特征点和边缘特征对RGB-D视觉里程计算法进行改进,提高定位精度。具体来说,本文主要做了以下工作。在最小化边缘特征距离误差之前添加一个稀疏初始化操作。首先,由于RGB-D相机获取的深度图像信息含有噪声干扰,影响位姿估计精度,采用对边缘特征对应的半密集点云数据进行点云滤波处理。其次添加了一个稀疏初始化的过程,选取一部分参考帧点云数据结合P3P、ICP算法,计算初始位姿估计作为后续优化目标函数的输入。最后,对边缘特征计算近似最近邻,获取参考帧与当前帧对应的边缘特征匹配关系,通过最小化边缘特征的距离误差,得到相机位姿的最佳估计。基于局部相邻帧之间的距离误差,设计一个独特的参考帧选取方法,降低运动模糊对位姿估计的影响。结合点与边缘特征,增强对室内弱纹理环境的适应能力。首先以ORB-SLAM2为基础,ORB-SLAM2包括RGB-D视觉接口,对其视觉里程计部分引入边缘特征,增强其对室内弱纹理环境的适应性。其次针对边缘特征采用距离变换的方法,发现其对运动模糊有较突出的反应,设计了一种基于边缘特征的参考帧筛选方法,在局部相邻帧内,选取一个符合筛选条件的参考帧,用于改善运动模糊对相机位姿估计的影响。最后,基于特征点的重投影误差,优化估计的相机位姿。本文在国际标准数据集TUM RGB-D数据集上对以上方法进行了相关实验验证,对上述方法从位姿估计精度的角度进行了评估,最后对实验结果分析与总结。