Pour une plateforme mobile qui explore un environnement inconnu, la capacité de se localiser est primordiale pour mener à bien sa mission. Or, pour pouvoir se localiser, cette dernière a besoin d'une carte de l'environnement qui lui-même est inconnu. Afin de résoudre ce problème, l'approche communément adoptée consiste en l'estimation concurrente de la pose de la plateforme ainsi que la carte de l'environnement. Approche liée à l'odométrie visuelle, et connue dans la communauté robotique sous l'acronyme SLAM (Simultaneous Localization And Mapping) – signifiant localisation et cartographie simultanées. C’est dans ce contexte que s'inscrit cette thèse, qui a pour objectif de proposer des solutions aux problématiques de SLAM et d'odométrie visuelle basées points et directes. Les contributions de la thèse peuvent ainsi se résumer dans les points suivants : - Proposition d'une stratégie d'initialisation de points d'intérêts pour l'estimation de la trajectoire d'une plateforme mobile munie d'une caméra. - Utilisation de la représentation des images dans l'espace d'échelles afin d'augmenter le domaine de convergence des algorithmes d'alignement d'images directes pour les transformations projectives et 3D. - Intégration de l'algorithme d'alignement d'images proposée à un système SLAM pour la fusion des données télémètre laser et vision. L'ensemble des expérimentations réalisées a ainsi permis de valider les approches proposées, montrant leur avantage en terme de précision d'estimation et de robustesse aux transformations importantes