视觉里程计(VO)是一种单独利用相机对移动载体进行定位的技术,其成本低廉,应用场景广泛,逐渐成为移动机器人自主定位的重要方式。传统的基于点特征的VO算法受到点特征的限制,在纹理缺失、存在光照变化或动态物体的场景下难以提供可靠的定位结果。考虑到人为构造的场景中存在较多直线,且惯性测量单元(IMU)和相机具有互补属性,近年来,利用线特征进行定位的VO算法和融合惯性测量信息的视觉惯性里程计(VIO)算法逐渐成为研究热点。为了提高VO在复杂环境下的定位能力,本文在传统的基于点特征的VO算法中加入线特征,并结合IMU进行信息融合,提出一种基于点线特征的双目VIO算法,即PLSVIO算法。本文主要研究内容包括:1)对空间直线的参数化方式及其相机投影模型进行探讨,采用两种表示方法对空间直线进行参数化,即利用普吕克坐标(Plucker coordinates)对空间直线进行坐标变换以及相机投影,利用正交表示法(orthonormal representation)在后端优化过程中对直线参数进行更新。2)设计了基于点线的视觉里程计算法,在基于关键帧优化的后端中对空间点和空间直线进行统一优化。为了提高数据关联的精度和效率,对线特征的立体匹配和投影匹配方法进行设计。根据线特征重投影误差的定义和空间直线的参数化方法,推导了线特征重投影误差的雅可比矩阵。3)在紧耦合的非线性优化框架下对视觉信息和IMU测量数据进行融合。为了避免后端优化过程中对IMU测量数据重复积分,采用预积分算法对获取的IMU测量数据进行预先积分,并在IMU零偏更新后,以一阶近似的方式对预积分测量值进行修正。此外,设计了松耦合的双目-IMU分步初始化方法以确定VIO的初始状态。最后,通过EuRoC数据集和真实场景下的实验对本文提出的算法进行测试,结果表明本算法具有较高的定位精度和鲁棒性。