无人驾驶已成为汽车领域研究热点之一,而如何实现自主定位是无人驾驶的重点和难点之一。随着机器视觉的不断发展,视觉里程计已成为自主定位的重要选择。视觉里程计仅仅通过车载相机采集到的图像信息,基于相机成像模型与视觉几何学模型等来计算车辆的6自由度运动信息。本文从单目视觉里程计系统的基本原理出发,着重研究了里程计的关键算法,包括摄像机的标定、特征的检测与匹配、位姿估计。对于摄像机标定算法,针对传统的基于二维视觉测量的算法标定摄像机时,没有考虑摄像头畸变及标定误差的问题,本文结合张氏平面标定算法,提出了改进的基于二维平面迭代优化的摄像机内参数标定算法。该算法通过设定阈值对内参数进行多次测量,并通过LM算法对标定结果进行优化,进而提高了摄像机内参数标定精度。对于特征关联模块算法,针对用于无人驾驶车辆的视觉里程计实时性和车载计算资源的有限性,本文提出了一种基于Harris-SIFT相结合的图像特征提取算法。该算法先检测图像中的角点,根据角点分布情况将图像进行分块,再利用SIFT算法进行特征提取与描述。然后在Matlab平台上对传统的SIFT算法以及本文中的算法进行了仿真,从算法运行时间、尺度变换特性、视角变换特性以及对光照的敏感度方面对两种算法的性能进行了比较。实验结果证明,本文提出的算法在基本不影响特征点各种性能前提下减少了算法计算量。对于位姿估计模块算法,针对传统5点位姿估计算法实时性差的问题,提出一种快速位姿估计算法。该算法以基础矩阵的基本性质作为切入点,通过对极几何约束求解基础矩阵。并对其进行了仿真实验和实车离线实验。首先,通过仿真实验对算法的效率和精度进行了分析,然后基于奇瑞的智能车辆平台进行了离线实验,并将获得的运动估计与高精度GPS的定位结果进行对比。实验结果表明:本文提出的位姿估计算法在不降低运动估计结果精度的前提下,减少了算法的实现复杂度。