机器人领域中一大关键技术为同步定位与地图构建(Simultaneous Localization and Mapping),是目前学术界和企业界都在研究的热点,都期盼能够得到精准的定位位姿和精准稠密的地图。由于激光雷达的昂贵性,使更多的企业和学校着重对视觉传感器技术的开发,视觉SLAM成为近几年的研究重点。在传统方法上,视觉SLAM点特征在特征提取、特征匹配上已经得到广泛发展与应用。然而,点特征过于依赖环境存在的角点且容易受图像噪声干扰,严重影响移动机器人的位姿估计精度。线特征的出现,弥补了点特征的不足,线特征LSD算法虽然在速度和精度上取得不错的效果,但采集特征时没有筛选和合并机制,导致在图像某个区域出现大量的相似线特征,算法难以区分进行匹配。于是本文在点线特征的基础上,提出边缘特征作为视觉里程计的一种新特征,利用边缘特征构建的环境地图具有更加直观的几何信息,且对于提高算法的定位精度。VSLAM是利用多视图几何理论,根据相机拍摄的图像信息对相机进行定位并同时构建周围环境地图。VSLAM前端为视觉里程计和回环检测,相当于是对图像数据进行关联;后端是对前端输出的结果进行优化,利用滤波或非线性优化理论,得到最优的位姿估计和全局一致性地图。SLAM在线程上主要分为运动估计线程和地图构建线程两个线程。本文主要使用单目摄像机提取点特征、线特征和边缘特征。于是提出一种基于点线特征和边缘特征的视觉里程计方法,该方法在公共数据集取得相当不错的效果,与当前主流开源算法相比,具有一定的优越性,且已经被应用于实验室的扫地机器人上,可于估计机器人的定位和位姿估计上。本文算法是结合特征点法和直接法的算法,其中的主要研究如下:1.使用Canny算法对边缘特征进行提取,且对边缘特征点进行匹配,提高前端数据的关联性从而提高算法的定位精度。2.对对关键帧提取策略进行改进,增加使用旋转度来衡量关键帧的提取,对地图点的收敛进行改进,提高收敛速度。3.建立一个包含单目匹配,地图点深度估计,局部构图的点线特征和边缘的单目SLAM系统。通过实验表明,本文系统在良好的定位精度。