同时定位与建图（Simultaneous Localization and Mapping,SLAM）技术一直是机器人自主移动领域的研究重点。传统的视觉SLAM多基于成熟的点特征来实现,但是纯基于点特征的SLAM算法受环境特征限制较大,在低纹理场景下鲁棒性较差。而线特征作为室内场景的常见特征可以作为图像特征的一个有效补充。人造场景多符合曼哈顿世界假设,即场景中包含三个互相正交的主导平面,位于主导方向上的线条叫结构线条。与传统线特征不同的是,结构线条包含了先验的结构信息,即主导平面的方向信息。将结构线条特征融入SLAM算法可为机器人位姿的估计提供更多的约束,以提高视觉SLAM定位算法的精度和鲁棒性。本文利用从图像中提取到环境的点特征和结构线条特征,接提出一种基于点线综合特征的视觉SLAM系统,可适用于室内未知环境中移动机器人的位置和姿态估计,具体将从以下几个方面展开研究:（1）结构线条的提取和匹配算法研究。首先,本文对图像中的直线进行检测,接着利用灭点和结构线条方向的一致性,通过提取灭点对检测到的直线进行分组,完成了结构线条特征的提取。其次,利用线段描述子实现了帧间图像的线段匹配。（2）融合结构线条的后端优化算法研究。建立了一种结构线条特征的重投影误差模型,通过把重投影误差模型融合到基于点特征视觉SLAM的非线性优化框架中,实现了点线综合的非线性优化问题的求解。（3）构建了基于点特征和结构线条特征的单目视觉SLAM系统。实验包括了两组公开数据集下的实验和一组真实场景下的实验。实测数据表明,本文提出的融合结构线条的视觉SLAM系统在增加一个观测量的约束条件下,可增强前端视觉里程计的跟踪效果,实现了在室内低纹理场景和光照变化场景下算法的稳定运行,相比于传统算法具有更好的重建精度和更加优异的鲁棒性。