近些年来,视觉里程计方法在移动机器人、增强现实、虚拟现实、无人机和无人车等领域受到了广泛的关注。目前视觉里程计方法中基于点特征的方法被大量应用,但是其缺点是依赖场景中存在的纹理信息。在结构化的环境中除了特征点以外,还存在丰富的环境特征,比如线和平面等,线特征相对于点特征而言是一种更高级别的图像特征,能更直观地反映周围环境的几何信息,可以添加线特征从而弥补在点特征缺失时造成的运动估计失败。直线表示方法比点更复杂,增加了匹配难度,在匹配算法研究方面有更大的研究空间。因此本文研究了两种直线匹配方法,并提出了一种基于点线特征的双目视觉里程计的优化方法。首先,对两种直线匹配方法的研究。一方面利用直线的法向量和距离等几何属性,基于多视图几何理论构造了直线的匹配函数,基于最小值理论分析得到了具有几何约束的线匹配方法。另一方面利用像素点的灰度信息构造了相似度量函数,并且基于最小值理论得到了以点代线的直线匹配方法。其次,针对特征点的视觉里程计方法在弱纹理环境中因为缺失特征而导致求解里程计信息失败的缺点,提出视觉里程计的优化方法。首先对点线特征的双目视觉里程计方法进行了数值建模,其次在相邻图像间的运动估计时,利用四元数与旋转矩阵之间的关系构造超定方程组,利用最小二乘法解超定方程组,通过牛顿法迭代得到模型的初解,然后利用视觉里程计的模型得到重投影误差函数,利用高斯牛顿法迭代代价函数得到对模型初解优化后的里程计信息,这里的直线参数化采用Cayley参数化,最后利用里程计信息指导定位。最后,对于上面的方法均进行了实验模拟与分析,利用实验得到的图形与数值数据来说明理论分析的正确性,同时说明所给出方法的有效性。