本文针对户外环境下的移动机器人平台，设计并实现了基于立体视觉的视觉里程计算法，完成整个系统的搭建，为下一步实现移动机器人的户外定位导航奠定了一定的基础。本文首先对视觉里程计模型进行概述和总结，并对视觉里程计研究中涉及的局部视觉特征、运动估计、RANSAC等技术进行了简要的介绍。针对传统视觉里程计算法中的运动区域特征点影响计算精度的问题，本文提出了一种基于网格化和聚类的特征选择算法。该算法首先对于待处理的图像进行网格化分块，并对每个子图像块单独提取局部视觉特征；然后通过K-means聚类完成特征点的聚类，并在每一类中选择显著性特征；最后对于提取的显著性特征点，利用基于RANSAC的极线几何约束的方法，将位于运动区域的特征点剔除，以选择有效的显著性特征点用于下一步的运动估计。实验结果表明该算法能提高视觉里程计系统的实时性和精度。针对视觉里程计中的实时性问题，本文在验证CPU和GPU两种处理模式对于视觉里程计中的局部视觉特征处理和运动估计运算的计算效率的基础上，提出了CPU+GPU的混合加速处理模式。通过GPU对局部视觉特征的加速处理和CPU对于运动估计的高效计算，整个视觉里程计系统的实时性得到了很好的提高。实验表明该模式是一种有效的加速处理方法。本文最后基于本实验室自主研制的履带式移动机器人平台，完成了整个的视觉里程计系统的测试，实验结果表明该系统基本能够满足户外环境下移动机器人导航的要求。