视觉里程计（Visual odometry,VO）是利用单个或多个与运动物体（比如汽车、人、机器人等）相关联的摄像机获取图片信息来估计物体运动信息的装置。可为机器人自主定位、地图创建和导航提供关键的位姿信息。视觉里程计通过运动时拍摄的图像信息估计物体的位姿变化，不存在由传感器精度降低或惯导漂移（土质疏松、地面打滑）等因素引起的数据误差。在轮式里程计不能满足的腿式机器人导航和定位、惯性导航装置IMU不能适用的长距离导航定位中、GPS全球卫星定位系统不能满足的水下、极地和星际探测等领域，视觉里程计更有着不可替代的优势。基于复眼模型的复眼(RGB-D)摄像机系统是一种可同时获取场景二维彩色图像和按像素对应的三维信息的新型三维视觉系统。基于复眼摄像机系统特性，本文提出一种基于场景图像特征和三维信息的高精度鲁棒视觉里程计三维运动自适应估计方法。方法以场景图像特征的稀疏性作为反馈量，进行相邻帧采样频率自适应调整，并自动切换视觉里程计三维运动估计优化方案。在图像特征丰富的场景降低采样频率，通过提取SIFT特征匹配点集及其对应的三维信息，获得精确三维运动估计，降低采集运算量的同时提高运动估计的可靠性；在图像特征稀疏的场景提高采样频率，将相邻帧运动限制在较小空间范围，直接利用相邻帧的三维点云信息通过ICP迭代算法求解可靠的三维运动估计，有效解决算法对环境图像特征疏密程度的依赖性。为降低误匹配图像特征点对对三维运动估计的破坏性影响，方法引入基于双向一致性检查的误匹配剔除、基于颜色信息约束的特征匹配和基于RANSAC算法的特征点匹配优化等，有效剔除误匹配图像特征点对。与现有视觉里程计三维运动估计方法相比，本文方法具有精度高、可靠性高、计算量小，应用场景限制少等优点。实验结果验证了方法的可行性和有效性。