Los rodillos, fundamentales para la construcción de carreteras, están experimentando avances rápidos en funcionalidad no tripulada. Para abordar el desafío específico de la compactación no tripulada en túneles, proponemos un sistema de odometría basado en visión para rodillos no tripulados. Este sistema resuelve el problema de la localización en túneles bajo condiciones de baja textura y alto ruido. Evaluamos y comparamos el rendimiento de varios métodos de extracción y emparejamiento de características, seguido por la aplicación de consenso de muestra aleatoria (RANSAC) para eliminar emparejamientos falsos. Posteriormente, se empleó el método Perspective-n-Points (PnP) para establecer un análisis de error mínimo para la estimación de posición y análisis de trayectoria. Los hallazgos revelan que los puntos clave escalables invariantes robustos binarios (BRISK) presentan errores más grandes debido a menos puntos de características emparejados correctamente, mientras que la transformación de características invariante a escala (SIFT) no cumple con los requisitos en tiempo real. En comparación con Oriented FAST and Rotated BRIEF (ORB) y el método directo, el error relativo máximo y el error mediano entre la trayectoria de compactación estimada por características robustas de aceleración (SURF) y la trayectoria real fueron los más pequeños. En consecuencia, los rodillos no tripulados que emplean SURF + PnP mejoraron la precisión y robustez. Esta investigación aporta ideas valiosas al desarrollo de equipos autónomos de construcción de carreteras, especialmente en túneles desafiantes.