目前室内机器人定位方法主要为轮式里程计或IMU的航迹推算、视觉定位和室内伪卫星定位。航迹推算在短时间、短距离内具有很好的定位精度,但会出现累计误差;室内伪卫星定位可以为机器人提供很好的定位效果,但成本过高;视觉定位是一种根据图像信息来估计机器人位姿的定位方法。在静态环境下,视觉定位展现出了高精度、低成本的特性。但在动态环境下,视觉定位的精度下降,甚至失效。目前出现了不同方法相结合的定位方案以提高室内机器人的精确定位。本文针对室内移动机器人工作环境下的动态障碍物不确定性,从成本和性能的角度出发,选择单目视觉里程计与IMU相结合的定位方案进行研究。本文将从以下几个方面进行研究:（1）针对动态环境下视觉里程计定位精度下降甚至失效的根本原因,基于ORB特征点法,改进了图像特征点的处理机制和改进特征点的匹配机制,提高了特征点匹配的匹配速度和匹配准确度;采用视觉词袋降低本文融合定位系统的累计误差;（2）IMU传感器数据不精确问题,采用低通滤波和互补滤波优化IMU的原始数据。针对单目视觉定位算法缺乏绝对尺度,无法反馈真实的位姿信息问题,根据IMU数据漂移的特性,提出恢复单目视觉定位绝对尺度的策略。（3）基于融合定位系统效率的考虑,采用滤波的方法,将基于最大相关熵卡尔曼滤波（MCKF）算法应用于机器人定位上,通过MCKF将单目视觉里程计和IMU传感器的数据进行滤波融合,提高融合定位系统的定位精度。并针对室内移动机器人工作环境为平面,给出了融合状态方程和观测方程。针对移动机器人工作环境下动态障碍物不确定性影响视觉定位系统的性能问题,改进特征点提取的处理机制和特征点匹配机制,提高视觉定位定位系统的定位精度和对环境动态障碍物的容忍度。根据IMU累计误差的特性,提出单目视觉里程计恢复尺度的策略,并使用最大相关熵卡尔曼滤波和基于词袋模型的回环检测优化,提高融合数据的精度、消除定位系统的累计误差。通过实验验证了本文所提出的基于单目视觉里程计和IMU融合的定位方案的可行性和定位精度。同时,给出了本融合定位方案对动态障碍物和机器人运动速率的容忍限度。