随着科技发展与生活水平提高,室内服务机器人在生活场景中的应用更加普遍,其核心的同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术面临更多挑战。在室内环境中广泛存在的光滑墙壁、玻璃以及走廊等低纹理或特征重复场景下,极易出现特征提取稀疏或跟踪失败等情况,影响后续定位与建图的精度。本文将点特征与线特征深度融合,应用于SLAM系统中的前端特征跟踪和闭环检测两个方面,并搭建更加完善的基于点线特征融合的双目视觉SLAM系统——SPL-SLAM。本文的主要研究内容和成果如下:（1）针对线特征端点坐标易变且不具备全局几何约束使得线特征匹配精度较低的问题,提出一种基于点线特征约束的线特征匹配方法。首先,对图像进行点线特征提取与描述,并构建点线特征之间的几何约束;然后,利用点线几何约束对线特征初步匹配,快速筛除偏差较大的线段,获得同名匹配线段;最后,基于待匹配线段与同名匹配线段的LBD描述子进行精匹配,获得最优匹配线段。实验表明,在室内场景下,本章提出的线特征匹配方法相较传统方法的运行效率平均提升24%,同时达到了较高匹配精度。（2）针对低纹理环境下图像间特征重复率高导致图像间相似性计算不稳定的问题,提出一种基于点线特征概率分布的图像相似性计算方法。首先,基于点线特征对图像进行向量化描述,并计算图像在两种特征下各自的相似度;然后,根据特征的信息熵与离散度计算图像的概率分布;最后,根据图像的概率分布计算图像间的综合相似性。实验表明,基于点线特征概率分布计算的图像间相似性,无论是在室外还是室内环境下,其权重变化均能保持较为稳定的区分度,能够更准确地描述图像间的关系,从而提高闭环检测的鲁棒性。（3）在ORB-SLAM2系统的基础上增加上述改进的点线特征内容,搭建基于点线特征融合的双目视觉SLAM系统——SPL-SLAM。针对添加线特征所带来的实时性挑战,对特征跟踪与闭环检测这两个较为耗时的环节进一步优化。最后,将本文改进的系统与主流视觉SLAM系统通过公开数据集进行性能测试。实验结果表明,本文改进的SPL-SLAM系统通过点线特征融合,在保证运行效率的同时,对于室内结构化环境下的定位精度有较大的提升,并且系统鲁棒性也较高。此外,将该系统部署于嵌入式平台上,依旧具有较好的性能表现。该论文有图60幅,表9张,参考文献91篇。