Denne masteroppgaven har som mål å se nærmere på estimering av kameraposisjon ved å benytte seg av linjer samt bruksområder rundt dette feltet. Posisjonsestimering med linjer bruker korrespondansen mellom linjer gjenkjent i 2D kamerabilde og linjer fra tilgjengelig 3D-modell av omgivelsene. Estimering av posisjon er essensielt ved mobile roboter eller dersom en robot estimerer bevegelser kun ved hjelp av syn. DLT-Plücker-Lines er metoden som har blitt implementert og testet på datasett fra virkelige scenarioer. Det ble gjort målinger på avviket mellom estimert og virkelige målinger på både translasjon samt orientering. Resultatene ble sammenlignet med tre andre anerkjente metoder og viste seg å være svært gode. En av disse algoritmene ga bedre nøyaktighet, dog bare med små marginer. Det må også påpekes at denne algoritmen er funnet å være en tregere algoritme av andre kilder. Et annet punkt verdt å bemerke seg fra resultatene er hastigheten til algoritmen. Det virker noe tregt, uten at det har vært spesielt i fokus i denne omgang å gjøre algoritmen så effektiv som mulig. Skulle det derimot være behov for å bruke den i sanntidssystemer må dette fokuseres mer på. Gjennom oppgaven er det beskrevet metoder som må til for at estimering av kameraposisjon skal være mulig uten bruk av ferdige datasett, hvor en av disse metodene er Line Segment Detector. Denne metoden er også implementert i kode ved hjelp av open-source biblioteket OpenCV for å sammenligne resultater med data fra datasett. Med standardparametrene blir det funnet om lag fem ganger flere linjer i bildene enn det er oppgitt i datasettet, men dette kan enkelt løses ved å manuelt stille parametrene. Til slutt er det foreslått hvordan problemet rundt Simultaneous Localization and Mapping (SLAM) kan bli løst ved hjelp av disse metodene, hvor estimering av kameraposisjon er helt essensielt.