实现实时的高精度定位对于无人驾驶来说是十分重要的,最为常见的定位方法是卫星定位方法,然而在卫星信号较弱甚至丢失的情况下,实现高精度定位便成为了一个难题。基于摄像头的视觉里程计定位方法凭借其成本低、易于集成的优势得到了广泛研究,但是视觉里程计对于光照条件十分敏感,难以适应复杂的场景,因此加入惯性测量单元来解决这个问题。视觉惯性组合定位的方法会产生累计误差,不宜在大范围长时间的定位环境中使用。因此本文在视觉惯性定位方法的基础上,加入二维码标记定位功能来辅助定位,消除累计误差,提高定位精度。首先,搭建了前端视觉惯性里程计。对于视觉信息,提取图像中的Harris角点,使用光流法跟踪提取到的角点,采用随机采样一致性算法去除误匹配,之后根据正确匹配的特征点对解算相机位姿。对于惯性信息,进行预积分处理,建立了预积分模型,对公式进行了推导。对视觉惯性联合初始化以及对齐视觉与惯性信息的方法进行了研究。之后,为了去除前端里程计的噪声,提高定位精度,在后端进行非线性优化。为了减小计算量,提高实时性,只对关键帧进行计算,使用滑动窗口管理关键帧的状态量,对选取和边缘化关键帧的算法进行了研究。建立了视觉残差模型和惯性残差模型,基于非线性优化方法建立后端目标函数。然后,为了有效地消除视觉惯性定位方法产生的累积误差,加入了二维码标记定位的功能。为了减小计算量,去除图像中无关特征和噪声,对图像进行预处理,对相关的算法进行了研究和对比。定位到图像中二维码的区域,对编码进行解码,根据预先测量的二维码位置信息,基于多二维码标记估计相机位姿。最后,设计实验对定位算法进行验证和分析。对于视觉惯性定位方法,使用开源数据集进行实验以及在实际场景中进行实验,实验结果表明视觉惯性定位方法确实存在累计误差。对融合二维码标记定位的视觉惯性定位方法进行实际场景实验,实验结果表明融合二维码标记定位功能后,定位系统的精度得到了提高,从一定程度上消除了累积误差。