移动机器人定位技术作为实现机器人自主导航的关键技术,成为该行业的研究热点。定位技术主要依赖从图像中提取三维立体信息实现,根据对图像数据的不同处理方式,人们提出了许多优秀的视觉里程计估计算法,这些算法各有优缺点。本文获取多种场景的图像序列,对基于特征点法和直接法的视觉里程计算法的鲁棒性和精确性等方面进行实验分析。在此基础上提出了基于环境特征的里程计选择算法,该算法更适用于环境发生退化的情况。为验证该算法的正确性选择不同的室内环境进行了实验,验证了该方法的有效性。论文主要完成以下工作:首先,设计基于KinectV2的视觉感知系统,进行环境信息的采集,获取彩色图像和深度图像数据集。对几种常见的深度值获取方法进行分析比较,实验验证了基于KinectV2视觉平台获取深度值的便捷性。为矫正摄像机的畸变和得到空间坐标系与图像坐标系的对应关系,对KinectV2进行了标定,获得了其内外参数。其次,构建机器人定位模型,选择不同场景的数据集,分别基于特征点和直接基于像素信息的RGB-D视觉里程计方法实现运动估计,通过实验分析基于特征点和直接基于全部像素信息的视觉里程计算法的性能,本文提出了基于环境特征的里程计选择算法,把提取到的特征点数作为监测值,将特征点法和直接法进行融合,在视觉信息丰富的环境中采用基于特征点的算法完成定位估计;而在视觉特征退化的环境中,采用基于像素信息的直接方法实现定位估计。最后,为了验证所提出的基于环境特征的里程计选择算法的有效性,使用基于KinectV2的视觉感知系统,捕捉了三组不同室内环境的图像序列,对该算法的性能进行了实验分析,验证了该算法在有效特征点丰富的环境中实现了精确度高的定位估计;而在有效特征点缺失的环境中,该算法增强了定位的鲁棒性。