近些年随着无人机(UAV)、无人驾驶、机器人、AR等新兴产物的不断出现,同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)逐渐走进了人们的视野。点特征是视觉SLAM中的广泛应用的视觉特征,但是在无纹理或者光照变化环境中点特征的提取和跟踪是具有挑战性的,这时线特征就是一种很好的替代解决方案。线特征是比点特征更高层次的一种视觉特征,可以提供环境中更加丰富的几何信息。同时视觉传感器因为帧率较低,无法应对动态的场景,而惯性测量单元(Inertial Measurement Unit,IMU)因为具有加速度计和陀螺仪,可以测量自身的角速度和加速度,就与视觉传感器形成了互补。视觉传感器与IMU结合形成了一种鲁棒性更强的SLAM方案,被称为视觉-惯性里程计。本文利用单目相机图像中提取的点、线特征和IMU提供的三轴加速度计和陀螺仪数据,提出一种基于点、线综合特征的视觉-惯性里程计,可用于无人机在纹理较少、光照变化明显等环境下的自主定位和位姿估计。主要研究成果包括:(1)、分别对camera、IMU进行标定,并对camera-IMU联合标定,获取传感器的参数,以此说明如何获取系统所需的参数文件;(2)、在线特征的提取过程中,改进基于LSD(Line Segment Detector)特征和LBD(Line Band Descriptor)描述子的提取方式,改善线段提取过程中因模糊、噪声的影响而断裂的现象;(3)、线特征在对极几何约束中采用普吕克坐标形式,在优化过程中采用正交形式,推导线特征的测量残差相应形式;(4)、采用具有IMU预积分约束和点、线特征的滑动窗口模型来紧密耦合视觉和惯性传感器数据;(5)、系统优化框架中除了点特征和IMU,增加线特征,提高整个系统的鲁棒性;最后对所构建的系统进行了实验和精度分析,验证本文提出系统方案的有效性。分析系统估计位姿和数据集提供真实位姿的相对位姿误差和绝对位姿误差,并与主流的视觉惯性方案VINS-mono进行对比。