近几年,随着计算机视觉技术的不断发展,基于视觉的同时定位与建图越来越成为了机器人领域的研究热点。在视觉SLAM中,用于估计连续帧位姿的视觉里程计又是其中的重中之重。在视觉里程计中,帧间位姿估计主要采用两种计算方式:特征法和直接法。特征法,长久以来被认为是视觉里程计的主流方法,它充分利用了特征点对光度、尺度、噪声和旋转的鲁棒性,并且经过多年的发展,特征法在匹配和位姿计算上都较为成熟,但是因为其只提取了环境中明显的特征点,所以对低纹理环境适应性较差,且只能构建较为稀疏的点特征地图。直接法因为不需要图像中存在许多特征明显的信息,所以对低纹理图像的鲁棒性较高,并且因为其省去了计算特征点和描述子的时间,所以计算量小,速度较快,但是因为直接法基于了光度一致性的假设,所以对光照比较敏感,大多数是需要标定相机的光度参数。直接法在发生图像运动模糊的情况下依然可以实现相机定位,但其对大基线运动的鲁棒性较差。本文结合特征法和直接法双方的优点,提出一种基于特征和直接法融合的视觉SLAM方法,可用于室内外环境的实时机器人定位与建图。本文的主要研究成果包括:1.基于特征法的在线光度参数估计。提取图像中明显的特征点,实时在线地标定每一帧的曝光时间,并后端在线估计相机的响应函数和光晕参数,为后面直接法的位姿估计提高光照鲁棒性。2.基于混合金字塔的前端跟踪。设计混合分层帧间估计的算法,利用DSO中由粗到细多金字塔策略的优点来设计三层混合金字塔,即在最高层提取少量特征和描述子进行匹配,计算重投影误差,得到两帧间的粗位姿估计,以防止帧间运动过大,提高对快速运动的鲁棒性。然后再利用特征匹配得到的初始位姿进行直接法的迭代估计,得到最终精确的位姿估计。3.鲁棒的双目视觉里程计实现。使用直接法的直接匹配,实现双目的尺度恢复,在后端滑动窗口优化中,加入双目的尺度估计因子,提高尺度估计的精度。4.特征法和直接法结合的闭环检测和重定位。设计并构建了一套完整统一的直接法和特征法融合的SLAM系统,为视觉里程计增加闭环检测和位姿优化、重定位模块。实验表明,该系统具有良好地定位精度和鲁棒性,并能建立较为稠密的视觉点云地图。