视觉里程计的主要问题是如何根据图像来估计相机运动，VO的实现方法，按照是否需要提取特征，分为特征点法的前端以及不提取特征的直接法前端。基于特征点法的前端，长久以来被认为是视觉里程计的主流方法，它运行稳定，对光照、动态物体不敏感，是目前较为成熟的解决方案。
计算机视觉邻域的研究者们，设计了许多比角点更加稳定的局部图像特征，比如SIFT,SURF,ORB等。特征点由关键点（Key-point)和描述子（Descriper)两部分组成。SIFT(Scale Invariant Feature Transform 尺度不变特征变换）计算量大，普通 PC 的 CPU还无法实时地计算 SIFT 特征，进行定位与建图。所以在 SLAM 中我们甚少使用这种“奢侈”的图像特征。ORB（Oriented FAST and Rotated BRIEF）特征则是目前看来非常具有代表性的实时图像特征。它改进了 FAST 检测子 不具有方向性的问题，并采用速度极快的二进制描述子BRIEF，使整个图像特征提取的环节大大加速。
根据匹配点对，估计相机运动
1. 当相机为单目时，我们只知道 2D 的像素坐标，因而问题是根据两组 2D 点估计运动。该问题用对极几何来解决。
2. 当相机为双目、RGB-D 时，或者我们通过某种方法得到了距离信息，那问题就是根据两组 3D 点估计运动。该问题通常用 ICP 来解决。
3. 如果我们有 3D 点和它们在相机的投影位置，也能估计相机的运动。该问题通过 PnP求解。