在万物互联的发展趋势下,无人运载系统在航空航天、武器制造、数据采集、工业加工等领域发挥着越来越重要的作用,同步定位与制图技术是无人运载体发挥作用的重要基础。视觉传感器作为存在最广泛的传感器,在信息收集方面有着无可比拟的优势,很多算法着力于研究如何从海量的视觉信息中抽象出鲁棒的特征。特征在载体坐标系中的变化反映了载体在世界坐标系中的变化,两种方法完美地从抽象特征的变化中恢复出了载体运动的最优估计。本文在严格对比二维图像特征提取算法和同步定位与制图后端优化算法的基础上,提出了一种基于单目传感器的视觉测量与定位算法,实现了全局一致地图的构建与相对误差小于10%精度下的位姿恢复。本文主要研究内容如下:(1)通过对成像模型的研究,建立了真实空间中一点到像素空间中一点的映射,使用不同坐标基准准确地描述了映射过程中的每个中间量。通过统一的校正模型实现了径向畸变误差与切向畸变误差的补偿。在实验部分中,得到了准确的传感器参数。(2)对图像特征提取算法进行了研究,将唯一维度的单张图像扩充为连续维度的塔状结构,得到了鲁棒的图像特征及其描述。研究了对极几何和PnP方法,实现了特征运动与传感器运动的转换。从特征点提取数量和过程时间两个角度对比了三种提取算法的性能,在两组实验中得到了ORB算法效率至少为次优算法效率3.38倍的结论。(3)将概率理论引入传感器运动估计问题,实现了对于状态可靠性的估计。研究了后端优化中不同的优化方法,得到了两种方法最大的区别在于马尔科夫性的结论。提出了一种基于优化前后不同数据判断优化过程性能的评价函数,在实验中通过该函数下的优化差指标证明了非线性优化方法的优越性。(4)在不同来源数据的驱动下,针对所提出的视觉测量与定位系统进行了实验。在稳定性实验中,单一轨迹结果收敛,14次实验对应轨迹结果趋于一致。在使用数据集的有效性实验中,针对尺度退化的问题,通过Umeyama算法对准了估计轨迹与真实轨迹,在三组实验中最大相对误差为0.058m,最大绝对误差为0.051m。在使用摄制数据的有效性实验中,环形轨迹相对轨迹误差为7.56%,矩形轨迹相对轨迹误差为9.32%。