同步定位与地图构建(SLAM:Simultaneous Localization and Mapping)是移动机器人的重要研究题目,单目视觉SLAM则是近几年的研究热点。传统的方法利用特征点或者特征线进行SLAM。本文提出一种基于结构线条的SLAM方法,利用周围环境的结构线条作为地图特征。现代建筑多符合曼哈顿假设,即包含三个两两垂直的主导方向,位于主导方向上的线条称为结构线条。与传统的特征线不同,结构线条包含全局的结构信息,能够在每一步相机朝向的估计时做全局的限制,消除朝向估计的累积误差,从而也减小了位置估计的误差。本文首先介绍了SLAM技术的研究背景和现状,然后介绍了计算机视觉和EKF-SLAM的相关原理,之后则详述了本文提出的基于结构线条SLAM的原理和方法。为了将结构线条融合到EKF-SLAM的框架中,本文给出了结构线条的参数化方法,观测模型以及较为鲁棒的数据关联方法。最后的实验部分则包括了一组模拟实验和两组真实实验。模拟实验为25次蒙特卡洛实验,真实实验则包括一组基于公开基准测试平台RAWSEEDS的大场景真实实验和一组基于手持相机的六自由度真实实验。实验验证了,与传统方法相比甚至与时下先进方法相比,本文的方法都有着明显的优势,消除了朝向估计的误差,大大减小了位置估计的误差。其中在RAWSEEDS的机器人平台真实实验中,本文提出的方法在未采取任何闭环算法的情况下,967米的全程中可以达到1米以内的精确度。