在计算机视觉技术的研究之初,人们就梦想着有朝一日,计算机将像人类一样,通过眼睛去观察世界,感知周围的环境,探索未知的领域。与之密切相关的是机器人界广为人知的同步定位和映射（Simultaneous Localization And Mapping,SLAM）。然而,由于普通针孔摄像机的视场角有限,传统的视觉SLAM系统存在物体遮挡、运动过快和剧烈转弯等问题。相比之下,视场角更大的摄像机可以扩大相邻帧之间的视觉重叠区域,并且可以从环境中捕获更多场景信息,从而降低SLAM系统发生故障的可能性。全景相机拥有比普通相机大的多的视场角,可以实现大范围内的监控覆盖。现有全景相机系统可以分为相机阵列、广角相机、鱼眼相机以及折反射相机四种。相比于其他三种相机系统,鱼眼相机具备成本低廉,结构简单,视场角大且使用方便等优势,在全景视觉中的应用前景更加广泛。然而在光学原理上,鱼眼镜头的大视场角优势是以非常严重的畸变失真为代价的,对于其中包含的有效场景信息,需要先将畸变图像校正为无失真的线性透视投影图像。本文研究了鱼眼镜头基于非线性成像特性的畸变校正算法,通过将其应用于视觉里程计中以获取更好的性能,主要工作如下:本文介绍了两种基于鱼眼成像模型的标定校正算法,这两种算法目前已经分别被Open CV和MATLAB收录,并已经编写为可供调用的开源代码。同时设计一种基于径向对称非多项式成像模型的投影转换校正算法,将鱼眼图像畸变分为成像畸变与透镜畸变,分别进行校正。通过对鱼眼成像特性进行理论分析,与另外两种标定校正方法对比,得到投影转换法校正精度更高的分析结果。最后基于本文采集数据进行了对比实验,同样验证了该方法具有更精确的鱼眼图像校正效果。本文设计了一种双目鱼眼SLAM系统,首先分析了单目鱼眼SLAM中由于基线不固定带来的精度误差,随后从视觉里程计原理上分析了双目鱼眼校正图相比双目普通图像的优势与不足,主要表现在更广泛的场景信息提高了姿态估计的准确性以及求解的速度,但又在特征匹配上存在精度误差,然后设计相应的仿真和实验进行了验证。最后在实际场景中运行该系统,首先验证了基于投影转换法得到的校正图相比普通校正图在SLAM中更好的表现,最后验证了双目鱼眼SLAM相比其余两种相机配置在精确性方面得到了更好的效果。