人在进入一个陌生环境时,会不由自主地评估周围的环境,在大脑中勾勒出环境的布局,并以环境中的物体为参照物,判断自己所在的位置。对于机器人,即时定位与建图(Simultaneous Localization and Mapping,SLAM)技术等效于人的此过程。近年,由于无人驾驶飞机(Unmanned Aerial Vehicle,UAV)、增强现实(Augmented Reality,AR)和虚拟现实(Virtual Reality,VR)的应用产品逐渐进入大众市场,SLAM技术和三维重建已成为越来越受欢迎的研究主题。本文阐述了基于特征的单目视觉即时定位和建图(Mono Simultaneous Localization and Mapping,Mono-SLAM)系统,可在不同规模的环境中实时运行。此次设计,针对SLAM系统对应用场景的高依赖性缺陷进行了分析,采用点线结合的初始化组合,使其能够适应不同种类纹理的运行环境。对相机的剧烈运动具有鲁棒性,可实现较宽的基线闭环检测和重定位。基于近年来主流的优秀算法,设计了完整的视觉SLAM系统,该系统针对所有SLAM内部模块使用相同的特征提取与描述方式:追踪,建图,重定位和闭环检测。关键帧的淘汰策略(选择重建的点和关键帧)可带来较强的鲁棒性,并生成紧凑且可追踪的地图,仅当场景内容发生变化时地图大小才会增加,从而控制了地图模型的规模,使长时间运行成为可能。在第一章中,简要介绍了当前主流的SLAM设计思路。在第二章,分模块介绍了整个系统涉及到的基础算法、前端视觉算法与后端优化算法,就其数学原理给出推理过程及解释。同时在这一章节中,给出了点线结合这一方法的数学表达。第三章则介绍了系统的整体架构。在第四章中,基于机器人操作系统(Robot Operating System,ROS),并使用KITTI、TUM RGB-D公共数据集对系统进行实验测试,并列出结果。同时,选择线段丰富的楼梯环境对系统进行测试。实验结果表明,该系统可满足移动机器人在室内外环境下自主运行的需求。最后,对实验进行反思与总结,对SLAM这一技术进行了展望。