视觉同步定位与地图构建(Visual Simultaneous Localization and Mapping,vSLAM)技术是机器人学领域中的一个重要研究分支,具有广泛的应用价值。传统的基于图像特征的视觉SLAM方法依赖图像中的特征,通过特征的匹配估计出相机的运动轨迹并构建出环境地图。然而特征的提取和匹配依赖环境,受图像噪声的干扰比较大,特征匹配中存在的误匹配会影响位姿估计的精度。本文从筛选出精度较高的特征匹配进行相机位姿估计的角度出发,提出了结合极线和几何信息综合约束的双目视觉里程计。本文的主要研究成果包括:1.将极线约束和几何信息约束引入特征匹配算法中,提出综合两种约束的线特征匹配方法,减少线特征描述子计算成本,提高算法效率;2.对实际场景中特征点视差与三角测量精度和特征匹配精度之间的关系进行研究,提出一种特征鲁棒性评估方法,并根据特征鲁棒性筛选结果,提出结合ICP和PnP的位姿估计方法,提高位姿估计的精度;3.提出了一种关键帧选择策略,通过局部建图优化位姿。本文方法经过KITTI公开数据集的测试,对比了同样基于点线综合特征的视觉里程计方法PL-StVO,验证了本文方法在估计相机位姿上的有效性。