本文着重研究如何降低模糊图像对双目视觉里程计的影响,提高双目视觉里程计的精度。本文面对的挑战是：1.如何快速评价图像的模糊程度；2.随着场景的不断变化,如何准确地对图像进行分类；3.如何处理不同程度的模糊图像,提高视觉里程计的定位精度。本文的主要研究成果如下：1.针对模糊图像与清晰图像的不同特点,提出了基于图像小梯度分布特性的图像模糊度实时评价算法。该算法可以快速计算图像的模糊程度,为接下来的图像分类工作奠定了基础。2.根据双目视觉里程计采集图像的特点,结合惯性滤波器和FIR滤波器,提出了一种视频图像模糊等级分类算法。该算法利用图像模糊度实时评价算法计算图像的模糊度,按照图像的模糊程度将其分到相应类别。3.提出并实现了一种面向模糊图像的鲁棒双目视觉里程计算法。该算法首先利用视频图像模糊等级分类算法对图像进行分类。然后,针对不同类别的图像,采用不同的计算策略。通过与不同的双目视觉里程计平台结合,验证了鲁棒双目视觉里程计算法的有效性。与现有算法的对比实验显示,鲁棒双目视觉里程计算法性能稳定,应用范围广泛。