在视觉信息退化的环境中实现机器人的定位和导航,是目前视觉里程计的研究热点之一。目前大多数的视觉里程计基于可见光图像,只能在光照条件良好的环境中工作,当工作在夜间、雾天、浓烟以及粉尘等环境时,难以从连续的可见光图像中建立鲁棒的运动估计。热视觉里程计使用热图像作为视觉传感器输入,在上述视觉信息退化的环境中也能够鲁棒地工作,热视觉里程计能够帮助机器人实现弱光、烟雾等恶劣环境下全天候的定位和导航,这对于拓展视觉里程计的应用范围有着重大的意义。然而,视觉里程计依赖于鲁棒的图像特征,热图像不仅存在着分辨率低、对比度低、缺乏纹理的缺点,还存在着非均匀噪声。热图像的固有缺陷,导致传统的视觉里程计方法无法在热红外图像上鲁棒地工作。为了实现在视觉信息退化的环境中的精确定位,本文提出了针对室外环境的单目热视觉里程计方法。该方法的研究内容主要分为以下几个方面:（1）为了解决热图像分辨率低、噪点多的问题,利用热图像对比度低、前景和背景分明的特点,设计了峰值抑制的ISODATA自适应阈值算法分割热图像,并将分割结果作为感兴趣区域,提出了 14位热图像的ROI-CLAHE增强算法,在增强前景区域细节的同时,显著抑制了热图像背景区域噪声。（2）为了解决由于热图像纹理少导致的特征点稀疏、误匹配率高的问题,提出了联合热图像分割边界L-K光流的特征点算法,算法根据待追踪点的Harris响应值筛选热图像分割边界的角点,并根据光流的运动方向直方图剔除离群光流,然后使用GMS-PROSAC算法根据对极几何约束模型剔除外点;对于本文提算法存在的特征点分布过于集中导致的信息冗余问题,提出了 Grid-ANMS算法将特征点均匀化分布。（3）本文将视觉里程计方法拓展到热红外图像领域,设计并实现了基于室外环境的单目热视觉里程计系统。该热视觉里程计拥有非均匀性校正管理模块,该模块保证了热红外相机不会在较大的旋转运动时执行非均匀性校正,避免由于热红外相机剧烈旋转过程中执行非均匀性校正导致的运动估计失败。该系统使用热红外相机作为视觉传感器,能够在有效增加热图像特征点数量的同时,降低特征点的误匹配率,并根据精确求解热红外相机的运动,最后使用BA模型优化热红外相机的运动估计。与同类算法ORB-SLAM2、Thermalvis以及DSO在不同场景下对比的实验结果表明,本文提出的室外环境的单目热视觉里程计方法能够在夜间环境中鲁棒地工作,完成了热红外相机的精确运动估计,实现了可以在弱光照环境下工作的全天候热视觉里程计系统。