随着社会的飞速发展,无论是工业领域或家庭领域,对移动机器人的需求越来越强烈。同时定位与制图SLAM(Simultaneous Localization and Mapping)算法,是移动化机器人的关键技术之一,具有广泛的应用前景。而视觉SLAM是SLAM领域的一个重要研究方向,目前已取得了丰富的研究成果。基于点特征的SLAM算法在大多数场景中已经能取得较好的结果,但在低纹理场景或相机高速运动时经常无法完成定位或者精度降低。为了解决这一问题,提升SLAM算法定位精度、减少跟踪丢失,本文在基于点特征实现的ORB SLAM算法中引入线特征,实现了处理RGBD数据的基于点线特征的PL-SLAM(Point and Line based SLAM)算法。本文的主要工作包括:(1)将线特征引入SLAM系统首先研究了线特征的提取问题,使用EDLines(Edge Drawing Lines)算法从RGB图像快速提取关键线,从深度图获取关键线深度信息,将关键线分为单目和双目两类(前者只应用于线特征匹配,后者还可直接三角化为地图线);使用改进的LBD(Line Band Descriptor)描述子描述线特征外观信息,加快线特征外观相似度计算。然后研究了线特征的匹配问题,在像素坐标系下使用外观一致性校验和几何一致性校验,来判断投影线段与图像中提取的线特征是否匹配。(2)将线特征在三维地图中描述为地图线,对地图线的参数化及地图线在SLAM系统中的相关应用进行了研究首先使用端点表示法参数化地图线,然后给出了地图线坐标变换公式,并针对地图线局部观测的情形,给出了该情形下求解地图线投影线段的方法。之后,定义了地图线的重投影误差,使SLAM系统各优化环节能够利用线特征提供的观测信息完成优化。并针对地图线重投影误差可能在优化中引发的误差,提出使用“两步优化”算法消除。(3)构建了一个融合点线特征的PL-SLAM以ORB SLAM为基础,通过引入线特征,优化ORB SLAM的跟踪线程、局部构图线程、闭环线程的处理流程,使其观测周围环境中点、线特征,将观测信息融合到同一后端优化模型,完成对位姿和地图的优化,实现PL-SLAM算法。其中,对ORB SLAM三个线程的优化内容包括:在跟踪线程中,对数据预处理、初始位姿估计、局部地图跟踪、新关键帧判断进行了优化;在局部构图线程中,添加了地图线管理模块,并优化了局部地图优化和关键帧管理环节;在闭环线程中,基于融合点线特征的视觉词典、EPNPL(Efficient Perspective-n-Point and Line)算法对闭环检测和闭环校正环节进行了优化。通过在TUM RGBD测试集上测试了PL-SLAM算法,实验结果表明PLSLAM算法在挑战性环境中的鲁棒性得到提高,并且PL-SLAM算法对定位精度也有所提升。