同步定位与建图(Simultaneous Localization and Mapping,SLAM)近年来已成为热门话题,研究者们也采用不同的传感器作为图像采集设备,如单目或双目相机、RGB-D相机、惯性传感器或激光雷达等。其中仅采用一个摄像头作为唯一外部传感器的被称为单目视觉SLAM。由于摄像头体积小、功耗低更适合于嵌入式设备,这也使得视觉SLAM技术越来越受关注。在本文中,对视觉SLAM查阅大量文献进行研究分析后,针对目前传统采用特征点法单目视觉SLAM在弱纹理场景或存在运动模糊时,无法准确估计相机位姿甚至失效情况,提出了一种结合点线特征信息的半直接法单目视觉SLAM。本文采用结合直接法与特征法的半直接法,并行运行直接法模块和特征法模块。在直接法模块中利用直接法对弱纹理环境的鲁棒性,快速且稳健地跟踪相机运动并构建局部半稠密地图,并将获得信息提供给特征法模块。在特征法模块中根据直接法模块提供的先验信息初始化地图,在传统采用特征点的基础上加入线段特征信息,结合点线特征联合优化相机位姿,并在后端优化中利用点线特征构建视觉词典树用于回环检测,减小系统的轨迹漂移,提高定位精度,构建全局一致的特征地图。在工作中,首先介绍了单目视觉SLAM中用到的相机模型和空间点线的几何表示等数学知识。然后分别对点线特征检测与匹配算法做了详细介绍,并结合点线特征联合优化相机位姿,给出了优化的代价函数和求解过程,展示了点线检测效果图。接着给出系统框架,详细介绍了本文结合直接法模块和特征法模块的处理方法,并在特征法模块中给出了点线特征词典树的完整构建过程。最后在公开数据集上进行测试,验证本系统的性能。与目前主流的开源项目进行对比,从图像配准误差、绝对轨迹误差和绝对姿态误差三个方面数据进行比较,实验结果表明,本文方法在弱纹理场景和存在运动模糊时都具有较好的的鲁棒性和准确率。