随着机器人相关技术的发展,同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术越来越受到学术界和工业界的重视。在视觉SLAM中,相机帧间运动过快导致跟踪失败、单目SLAM尺度不确定等问题是其发展过程中的难点。针对这些问题,本文主要研究融合特征点信息的直接法双目SLAM技术,并在此基础上设计实现了一个实时双目SLAM系统。最终在提升系统精度的同时大大增强了系统的鲁棒性。本文具体工作如下:(1)针对单目里程计尺度不确定问题进行研究,提出一种融合特征点信息的直接法双目视觉里程计方法。该方法首先采用双目有效匹配信息和反复投影进行初始化,与主流单/双目里程计相比,本文方法提高了初始化的效率与成功率,以及地图点的收敛速度;其次在关键点管理部分引入候选点发展成特征点的机制,缩短了关键点总体提取时间;最后,在滑窗优化中增加双目信息约束和关键帧上关联特征点的几何约束,不但提升了相机位姿的跟踪精度和三维地图点精度,且增强了系统稳健性。(2)针对直接法帧间运动过快导致跟踪失败的问题进行研究,提出一种融合特征点信息的直接法位姿估计方法。该方法先判断是否启动特征点信息估计模块,若是则将候选点发展成特征点,同时最小化新帧与滑窗内已优化地图点的几何投影误差,得到新帧初始位姿,若否则使用直接法估计初始位姿。实验结果表明,本文方法有效地解决了帧间运动过快导致的跟踪失败问题,增强了系统的鲁棒性。(3)针对相机长距离长时间运动导致回环检测时间过长的问题,以及图像序列帧间匹配导致累计误差的问题进行研究,提出一种基于可变搜索区域的快速回环检测与全局优化算法。该方法先判断当前关键帧所属区域并选择不同检测方式。若当前关键帧属于低发区域,并检测到回环则进行区域更新,否则不更新。实验证明,本文方法不仅保持了回环检测的精度,且在一定程度上缩短了检测时间。最后,对检测出回环的当前关键帧,利用双目能得到绝对尺度的特性进行全局优化。在不损失精度的情况下,加快全局优化速度,大幅减少累积误差。(4)设计并实现了一个融合特征点信息的直接法双目SLAM系统。系统主要包括四个部分:相机数据采集、数据处理、融合特征点信息的直接法双目SLAM算法和定位与场景地图构建,此外还改进kalibr相机标定模块对提取标志物的限制。最终,对实际场景进行数据采集和实验,并与DSO、LDSO等系统进行比较。实验结果表明,本文系统在位姿估计、地图构建上均有良好表现。