视觉里程计（VO）或者视觉同时定位与地图构建（VSLAM）技术可以通过图像序列得到相机在空间中6自由度的位姿,在室内移动机器人、无人机、增强现实以及虚拟现实中的应用越来越广泛。对于机器人而言,其机载平台计算能力往往有限,而视觉里程计作为一个基本功能模块,定位的精度和实时性是其能否有效工作的关键问题。视觉里程计在求解位姿使用的误差模型主要有重投影误差模型和光度误差模型,使用这两种误差模型对应的方法分别称为特征法和直接法。特征法需要对每一帧图像提取特征并计算描述子,通过描述子的匹配得到特征的对应关系;而直接法直接通过图像像素误差来求位姿,无需对每一帧进行特征提取,且不用预先知道特征的对应关系。为了兼顾算法效率和精度,本文提出了一种半直接法的方式,使用基于直接法的帧间初始位姿估计和帧间特征匹配,之后使用基于特征重投影误差的光束平差法对相机位姿求精。本文使用逆深度滤波的方式恢复特征点对应的三维坐标。在每一个关键帧中提取FAST角点构造成种子点,并使用高斯+均匀分布混合模型描述种子点逆深度。在后续图像帧中使用对极线搜索和光流跟踪结合的方式对种子点进行跟踪,并使用三角测量得到对应的深度作为逆深度滤波的观测对种子点逆深度进行更新。实验结果表明,本文使用的种子点跟踪策略能够有效地跟踪种子点,且本文采用的逆深度滤波模型能够保证较低的外点率。为了提高算法精度,本文在每次新构建关键帧时,对地图点进行维护并使用局部光束平差法对局部地图进行优化。本文单独使用一个局部建图线程,使用特征对齐的方式为新关键帧构建更多的观测,对相同的地图点进行融合,并在局部光束平差法之后对外点进行剔除。其中选取与新关键帧共视关系最多的10帧关键帧以及所观测到的地图点用于局部光束平差法。本文算法在实验中与主流的VO/VSLAM算法在精度和运行时间进行对比,实验表明本文设计的基于半直接法的视觉里程计的位姿输出频率不低于50Hz,明显高于主流的算法,且在精度上与表现最好的ORB-SLAM2接近。