视觉导航是导航技术的新兴领域。随着人工智能相关技术的发展以及人们对视觉相关产品和服务的需求逐渐增加,视觉导航具有广阔的应用前景。为了提高视觉里程计定位精度并减少算法运行时间,对图像特征提取与跟踪、位姿估计与优化等算法进行研究。为了提高特征提取算法的鲁棒性,本文设计了基于o FAST角点检测算法和FREAK二进制描述符结合的o FAST-FREAK特征提取算法,该算法可以快速有效提取不同变化场景下的图像特征点。在此基础上,提出基于网格的特征控制方法,并利用PROSAC离群点剔除算法,交叉验证的BF算法进行特征匹配。提出了一种改进的DLT位姿估计算法。改进算法在原算法基础上对旋转矩阵施加整体约束并对空间3D点信息进行加权处理,保证算法时间复杂度低的同时提高了原算法精度。改进的DLT算法与EPn P、RPn P等主流算法相比,其旋转误差和平移误差的平均值与中位值结果相当,但运算时间明显缩短。在位姿估计基础上设计了一种基于关键帧单元的局部和全局SBA位姿优化方案。优化过程将位姿优化问题转化成图优化问题,借助开源平台G2O求解。其中使用Levenberg-Marquardt算法求解最小二乘问题,并用Cauchy鲁棒核函数替代标准误差函数。该位姿优化方案能有效抑制大误差项带来的影响并保证全局最优,提高了定位精度。分别采用了KITTI数据集数据和ZED相机采集的实地数据进行算法验证。本文算法相比于原算法,时间复杂度低,运算时间是原算法的85%左右,并且本文算法能有效减少定位的峰值误差、累计误差及RMS误差。