视觉里程计(Visual odometry,VO)是一个利用与运动物体相关联的单目、立体或者三维相机获取图片信息,进而通过计算图片间的关联关系来估计物体运动情况的装置,可为视觉导航定位、可穿戴计算、三维地图创建提供关键的位置信息。单目视觉里程计缺少绝对尺度信息,因而在模型求解过程中需要保证尺度因子的模糊性,且需要一定的约束与假设;双目视觉里程计可以利用固定的基线提供深度信息,但是物体距离大于一定的范围后也近似于单目视觉,而且必须在合适范围下使用;而三维视觉里程计能够直接获取图像的三维信息,可以直接利用获取的深度与彩色数据进行特征提取和运动估计的计算。针对目前视觉里程计的发展存在的问题,本论文在提出了基于Kinect三维相机的视觉里程计优化算法的方案。该优化算法首先使用Kinect相机获取深度和彩色图片信息,在图像的获取过程中保证了深度和彩色图像的一一对应关系;然后利用ORB(Oriented FAST and Rotated BRIEF)算法提取和匹配特征点对,保证了算法的实现速度和精度;接着通过RANSAC(Random Sample Consensus)算法实现对误匹配点对的剔除,保证了匹配点对的精度和可靠性,为后期运动估计的求解打下很好的基础;接着将匹配精确的特征点对索引至对应的三维信息,得到匹配精确的三维特征点对,然后利用3D-RANSAC算法和ICP(Iterative Closest Point)算法求取运动估计的旋转、平移矩阵,能够在图像特征点充足或者不足的情况下都能保证得到可靠的运动估计;最后采用基于SBA(Sparse Bundle Adjustment)算法的全局优化方案实现对运动估计的整体优化,减少了运动估计求解过程中累计误差,保证整个运动估计求解的精度。与目前现有的视觉里程计的求解方法相比,本文算法具有很好的精度、可靠性、计算速度,而且具有更广的应用范围。实验结果证明了该算法的精度和可靠性。