同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）是移动机器人研究及应用中不可或缺的一项关键技术。以相机采集到的视觉信息为主要输入的视觉SLAM和视觉惯性里程计（Visual Inertial Odometry,VIO）正在成为当下的研究热点。目前大多数流行的视觉SLAM/VIO系统通常使用点特征或一般的线特征作为路标点建立视觉测量约束,很少考虑场景中结构化的几何特性以及点线特征之间的关联性。基于此,本文提出了一个基于结构化线特征及点线特征间共线性的双目视觉惯性里程计系统。结构线的使用不但为系统提供了更多的视觉测量约束,还将场景的方位朝向信息引入到了系统中,从而消除掉了定位与建图时累积的方位误差。点线特征之间共线性的使用让系统更加充分地利用了环境中的先验几何信息,从而更进一步地提高了系统定位与建图时的精度。本文首先介绍了视觉SLAM/VIO的研究背景和发展现状,然后还介绍了一般VIO系统的相关背景知识,之后则详细介绍了本文所提出的基于结构化线特征并考虑点线特征之间共线性的双目VIO系统的理论模型和具体实现。为了将结构化线特征引入到基于滑动窗口优化的VIO框架中,本文在曼哈顿世界模型的假设下,定义了2参数结构线的参数化及其视觉测量约束模型。此外,对于在重建地图中被识别为共线的点线特征,还在它们之间建立了空间距离约束,从而使得重建地图的几何特性与真实情况更加相符。最终,经过在Euroc、Tum等公开数据集上的测试以及现实环境下的实体实验,结果表明所提出的基于结构线及共线性的双目VIO系统相比于现有的主流VIO方法,可以实现更高的定位精度与更好的建图效果。