同时定位与建图(SLAM)是机器人进行自主运动的关键技术,具有广泛的应用前景。随着机器人技术的飞速发展,如何获得更为精确的机器人位姿显得尤为重要。由于深度相机能够获取更丰富的环境信息等优点,视觉定位系统成为视觉SLAM技术的研究热点。本文利用深度相机图像中提取的点线特征构造面特征,并将点线面特征充分融合,提出一种基于点线面多特征融合的视觉SLAM方法,可用于结构化室内环境下的机器人定位技术。首先,本文对点特征的提取算法进行改进,解决点特征出现特征点块的问题。在特征提取部分,设计一种基于自适应阈值的AT-FAST算法解决特征点块问题,采用RANSAC算法进行点特征的匹配;其次,对线特征的提取进行改进,解决线特征冗余度较高导致匹配效率低下的问题。对提取到的线特征进行优化,剔除短小线段并合并割裂线段,匹配部分采用LBD描述子对线特征进行描述,并使用二进制表示减小匹配时的计算复杂度;再次,基于前述点线特征构建候选平面,采用最小平面表示法减小平面表示维度,综合利用点线面特征构建图优化模型,推导待优化的目标函数,迭代计算相机最优位姿;针对Bo W模型忽略特征空间联系而容易造成感知混淆的缺陷,设计一种基于特征空间信息比较的Bo W模型,并使用L1范数距离公式计算向量相似度。最后,基于以上基础设计一种基于多特征融合的视觉SLAM系统,通过在数据集上进行仿真试验和实际室内环境下的实验验证本文视觉定位系统的有效性及准确性。