近年来随着移动机器人技术和图像处理技术的发展,应用在移动机器人上的SLAM(Simultaneous Localization and Mapping)技术逐渐得到国内外学者的青睐。双目视觉系统作为最类似人眼的传感器系统,能够直接获取环境的深度信息,同时还有成本低、获取信息丰富等优点,因此双目SLAM成为当今的研究热点。同时为了解决单一传感器的误差问题,多传感器融合成为今后机器人SLAM的研究趋势,因此双目传感器与IMU融合的研究具有十分重要的意义。本文主要在室内环境下对基于双目视觉的移动机器人SLAM展开研究,共分两个方面:一个是简化SLAM算法运算量研究;另一个是通过双目传感器与IMU融合优化机器人位姿的研究。研究内容如下:本文首先对当前常用的SLAM方案进行了分析,比对了各方案的优缺点,在此基础上选择双目视觉SLAM作为研究方向,并选择ORB-SLAM2作为算法基础。其次对ORB-SLAM2的算法结构进行了研究,包括坐标系关系、特征点的提取和匹配、机器人位姿的计算和优化等,为后续数据融合提供理论基础。然后对图像畸变模型进行了分析,并使用张正友标定法对双目相机进行了标定。针对ORB-SLAM2算法运算量大的问题,提出了将畸变处理过程前置到相机内部的优化方案。优化之前,SLAM算法需要先对图像进行畸变修正的处理,这样耗费一部分时间,增加了CPU的负荷,通过将畸变处理过程转移,一定程度上减少了算法的运算量,缓解了CPU的运算压力,最后对优化后的数学模型进行了推导,并使用EuRoc数据集和录制数据包对优化方案进行了验证,通过运算时间的对比,证明了优化方案的可行性。纯双目SLAM由于图像可靠性差的原因,存在位置偏移的现象,针对该问题,本文提出了基于松耦合的IMU(Inertial measurement unit)与视觉里程计融合的方案。首先对“相机+IMU”系统进行了联合标定,获得了双目坐标系和IMU坐标系的对应关系;以扩展卡尔曼滤波法(Extended Kalman Filter,EKF)为基础,对双目视觉里程计与IMU的融合模型进行推导,通过将IMU数据与视觉里程计融合,对机器人位姿进行了修正。通过实验验证融合位姿更加接近真实值。