随着智能驾驶技术和视觉传感器的发展,基于视觉的位姿估计技术逐渐成为智能车辆研究领域里的关键技术之一。同时由于视觉传感器采集的图像信息量大且实际场景复杂多变,基于视觉的位姿估计方法的研究也充满了挑战性。本文考虑车辆平面运动的特性,深入研究基于单目视觉几何的位姿估计方法。针对智能车辆平面运动的特点,在已有的两视图几何模型基础上,本文引入车辆平面运动约束,简化几何模型。基于简化后的两视图几何模型,利用两视图中的关联特征点可以实现两视图的相对位姿求解。进一步,本文设计两点法实现平面运动旋转信息的独立求解,进而可以恢复运动的平移信息。由于所设计两点法为闭式求解器,最少只需要两对关联特征点即可实现位姿求解,因此能够实现高效稳定的位姿求解。同时所提算法能够求解小视差甚至纯旋转运动,而对极几何模型对于该情况容易出现退化。为验证算法,设计了仿真数据对所提算法与经典算法进行对比实验,结果显示所提算法在多数情况下对图像特征点位置噪声的鲁棒性和对非平面运动的适应性表现最好。实际场景中车辆平面运动的假设很难绝对保证,因此本文对6自由度的运动模型参数进行近似处理,并基于两视图几何模型构造优化问题,采用迭代优化方法求解该优化问题。由于实际图像特征点提取和关联过程中存在误匹配的情况,本文以所提的两点位姿估计算法与近似优化方法为基础,对已有的随机抽样一致性算法进行改进,实现实际场景中车辆的位姿精确高效估计。同时利用经典的视觉里程计系统框架,设计基于所提算法的视觉里程计系统。为验证设计的系统性能,在仿真环境和实际场景中分别进行实验,并与基于五点法的视觉里程计进行对比。实验表明,所提方法在位姿估计精度与执行效率上均优于基于五点法的视觉里程计。