视觉里程计是指通过相机采集到的帧序列来估计相机运动轨迹,用来实现相机自主定位的方法,这种方法被广泛应用于各种无人系统,是自主导航、避障、和目标跟踪的关键技术。视觉里程计从方法上可分为特征法和直接法:特征法通过匹配两帧之间的特征点建立几何模型求解位姿,这种求解方法的优点是精度高,但是对计算资源有一定的要求;直接法不需要建立特征点的匹配关系,直接使用光度误差模型优化位姿,计算速度较快,但是需要满足灰度不变假设,精度有待提高。本文以计算资源受限的无人机平台作为研究背景,首先研究了轻量化的语义分割方法,再使用直接法提出一种基于空间和语义信息融合的视觉里程计方法。首先,针对当前语义分割算法普遍具有网络结构复杂和计算开销巨大的问题,提出一种基于多尺度视觉特征提取的轻量级语义分割方法LitNet,该方法整体采用编码-解码的网络结构。在编码部分,特征提取的基本结构由融合空洞卷积的逆残差模块构成,采用Mish激活函数补偿特征提取精度,将得到的特征图作为轻量化多尺度融合模块输入,并基于不同采样率的空洞卷积并行采样,使用多个比例捕捉特征图的上下文信息;在解码部分,设计了一种上采样特征融合模块,上采样的同时融合高低层特征,获取更加丰富的语义信息与空间信息。通过对比实验分析,所提方法在CamVid数据集上的准确度（平均交并比）为69.01%,平均分割速率为25.7FPS,LitNet更好地平衡了网络实时性和精确度,具有更优的实用价值和性能效果。然后,提出了一种融合空间和语义信息的视觉里程计方法SPSVO,包含建立局部地图、跟踪和基于滑动窗口的优化。以LitNet的分割结果作为视觉里程计的输入,建立局部地图部分使用特征法进行特征匹配,根据匹配关系计算位姿,跟踪部分使用直接法进行局部地图跟踪,最后使用融合光度误差和语义误差的滑动窗口优化模型进行局部地图优化。SPSVO在NVIDIA Jetson TX2平台上使用TUM-mono数据集进行实验验证:精度方面,SPSVO在旋转、平移较缓的场景下与ORB-SLAM相当,绝对轨迹的均方根误差（Absolute Trajectory Error,ATE）仅有 0.23;时耗方面,SPSVO 明显优于 DSO 和 ORB-SLAM,可达到41.5 FPS,SPSVO更好地平衡了视觉里程计的时耗与精度。