随着科学技术的发展和制造业生产能力不断提高,移动机器人技术逐渐向着自主化和智能化发展;移动机器人的同时定位与构图(Simultaneous Localization and Mapping,SLAM)是实现移动机器人真正自主化和智能化的前提和基础,同时是移动机器人自主导航和环境探索的基础。定位和构图精度是决定移动机器人能否在实际场景应用的关键。近年来,由于视觉传感器的独特优势,基于视觉的移动机器人的同时定位与构图受到了学者们的广泛关注。虽然目前已经有很多实现SLAM问题的算法框架和系统,但是由于处理视觉图像信息的繁杂性和低鲁棒性,导致视觉SLAM问题仍存在许多难点和疑点需要解决,尤其是未知环境中的单目视觉SLAM问题。本文围绕移动机器人携带单目相机在未知环境下的定位和地图构建问题进行了研究。研究工作包括视频帧间线段特征匹配算法和SLAM算法的设计及实现,重点是基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的点线面特征融合的单目视觉SLAM算法。视频帧间线段特征匹配方法是实现点线面特征融合的单目视觉SLAM算法的基础。本文工作的亮点和成果包括两个方面。一方面是在SLAM问题中的特征匹配模块,提出了基于多重几何约束和0-1规划的相邻帧间线段匹配算法。与目前的线段匹配算法的不同之处在于本文是基于多重几何约束理论实现线段匹配,并设计0-1整数规划模型优化匹配结果,为后续实现基于点线面特征融合的SLAM系统奠定了基础。另一方面提出了点线面融合的SLAM算法。与目前的SLAM算法相比,描述出的环境地图不仅有点特征,还有线段特征和面特征。这样不仅使场景描绘更加具体,并可以为移动机器人的自主定位提供更加丰富的几何信息,从而提高了定位精度。