移动机器人获取自己的空间位置姿态信息,一般是通过光电编码器和GPS来完成。但光电编码器易受到轮胎打滑影响,GPS在复杂环境中也会由于遮挡造成信号缺失。相比这些传统的里程计技术,视觉里程计更具优势。因此视觉里程计在机器人运动控制、SLAM以及自主导航等问题中均扮演了重要角色。本文主要围绕视觉里程计技术进行研究,提出了鲁棒性更好的特征提取匹配和运动估计算法,为即时定位与构建地图提供了良好的基础。首先,基于计算机视觉课题背景下,综合分析了当前国内外视觉里程计技术发展历程和现状,同时总结出视觉里程计的六大步骤,并阐述双目视觉里程计的立体视觉理论,在此基础上完成了摄像机标定与畸变校正实验。其次,针对常用特征点提取匹配SURF算法出现匹配准确度较低、计算量偏大、匹配效率不高的问题,提出了一种改进后的算法,丰富了特征SURF描述子信息并使其维数降低;同时用BBF树对部分结点进行搜索,通过实验验证,改进后的算法可以使算法的整体性能提高,并将其应用到前后图像的特征跟踪中。最后,针对运动估计经常使用的数学模型最小二乘法容易出现误匹配的情况,采用了 RANSAC算法,获得较为准确的模型和输出;运用光束平差法优化了位姿,得到更为准确的鲁棒运动估计。通过在校园内采集了连续图像实验数据集,得到了移动机器人的运动估计轨迹,经过对比,证实了提出算法的真实性与正确性。