同步定位与地图构建（SLAM）技术是移动机器人实现智能化与自主化的关键技术,本课题以提高视觉SLAM系统室内定位精度与鲁棒性为背景,展开对双目视觉与惯性IMU多传感器融合的移动机器人定位系统研究,包括轻量化前端里程计与视觉惯导紧耦合的非线性后端优化研究。针对基于点特征的视觉SLAM技术鲁棒性强,但实时性差问题,提出一种基于匀加速运动模型的轻量化前端里程计。首先基于匀加速运动模型预测初始特征点在当前帧的对应关系及坐标,将预测初值输入基于金字塔的稀疏光流跟踪算法,并定义一个精度评估函数,建立鲁棒的关键点匹配关系;随后基于网格运动统计（GMS）及自适应局部仿射匹配（Ada LAM）算法进一步剔除误匹配点对。针对单一视觉传感器的SLAM系统无法适用于纹理信息缺失与快速运动场景问题,依据双目视觉传感器与惯性IMU在系统中的优势互补性,基于滑动窗口的非线性优化理论设计一个完整的视觉惯导紧耦合定位系统,系统中讨论了视觉观测约束和IMU测量约束,推导基于流形的IMU预积分和基于最大后验估计（MAP）的初始化过程,在滑动窗口中通过提出动态边缘化策略,将先验项、视觉残差项以及IMU测量残差项构建非线性最小二乘代价函数,通过高斯牛顿法求解代价函数的状态变量的更新解,最后利用回环检测实现重定位及全局一致性的位姿图优化。为验证具本文系统的有效性,在Eu Roc数据集四个具有代表性的序列和实验室真实场景中对所系统进行了实验,实验结果证明系统满足数据集及真实场景的定位精度需求,表现出较好的实时性与鲁棒性。考虑到定位与建图过程的耦合性,构建了可压缩、灵活且具有实时更新特点的八叉树地图,为移动机器人的自主导航作业提供精确的导航地图。