机器人可以通过GPS或编码器定位,但是车轮编码器存在打滑误差,而GPS测量也有高度不确定性。因此,通过视觉定位的视觉里程计是自主移动机器人应用中的一个基本问题,它通过所捕获的图像序列来跟踪移动相机的运动轨迹。视觉里程计已经有了近40年的研究,针对基于特征点法的双目视觉里程计在纹理稀疏的场景存在特征点少,耗时较大的问题,本文在先进的单目视觉里程计方案的基础上,提出了基于直接法的双目视觉里程计,可以通过双目固定基线获得真实世界的尺度,提高了定位精度,增强了系统鲁棒性(尤其是相机纯旋转的情况)且节省了运行时间。本文主要工作如下:本文前端使用直接法,通过最小化光度误差跟踪当前帧到上一关键帧得到相对位姿,通过关键帧选取策略对当前帧进行判别,若不是关键帧则通过双目固定基线搜索匹配更新点的深度,获得真实尺度。后端使用了滑动窗口优化来精确化关键帧位姿,将计算量维持在一定范围内,不随相机位姿和路标点的个数增长而增长,同时分析了该优化方法对系统带来的可观性影响。本文创新性地提出了在边缘化点的时候,只边缘化共视关键帧个数小于等于2的点,其余直接丢弃,这样可以保持海森矩阵的部分稀疏性。为验证本算法的效果,在KITTI数据集进行了实验,与单目DSO进行了比较,验证了算法的双目确定尺度的效果,本文提出的算法能以很小的误差运行KITTI所有的场景,单目DSO仅能运行部分场景且误差较大;此外,与关闭了闭环检测的ORB-SLAM2双目版本进行了比较,算法运行得到的旋转误差和平移误差与ORB-SLAM2各有优劣,在运行时间方面,算法优于ORB-SLAM2,证明了算法达到了一定的先进水平。最后基于ROS搭建双目移动机器人在实验室环境分别进行了定位和建图实验,效果良好。