同步定位与建图（Simultaneous Localization and Mapping,SLAM）是机器人实现全自主移动的技术关键,SLAM技术在无人机、无人驾驶、虚拟现实等领域已经实现了多样化的运用。视觉SLAM一直是热门的研究方向,随着计算机视觉和人工智能技术的发展,多传感器融合SLAM、增强语义SLAM、非特征点SLAM都是研究的热点。目前,基于特征点的视觉SLAM技术研究相对成熟,将SLAM分为前端和后端,前端对输入的图像进行处理、提取特征点、数据关联、位姿估计和回环检测,而后端则利用非线性优化位姿和地图。但在低纹理场景下基于特征点的SLAM容易出现初始化失败的现象,跟踪过程中也容易因为无法提取足够的特征点数目而出现丢帧现象。本文关注图像和结构中的线特征信息,结合点、线特征搭建单目SLAM系统,提高单目SLAM系统在低纹理场景中的稳定性和鲁棒性。本文的主要研究内容如下:（1）搭建基于点、线特征的单目视觉里程计。对单目相机获取的图像进行预处理,提取图像中的ORB点特征和LSD线特征,线特征用LBD描述子进行特征匹配,利用点、线特征和Pn P算法求解帧间位姿变换,完成初始化,跟踪相机运动,重建地图点和地图线。（2）完善基于点、线特征的单目视觉SLAM系统框架。利用点、线特征进行后端优化,基于点、线特征定义一个新的重投影误差,用光束平差法和g2o框架优化相机位姿和地图,构建具有点、线特征的局部和全局地图,并完成回环检测和回环校正工作。（3）利用公开数据集测试基于点、线特征的单目视觉SLAM系统的运行效果并获得融合点、线特征的环境地图,与基于点特征单目SLAM系统进行实时性、稳定性和定位精度的对比,实验证明本系统优于仅利用点特征的SLAM系统。