视觉惯性里程计（VIO）是实现移动机器人自主导航和定位的关键技术。近年来,随着无人机以及无人驾驶技术的广泛应用,高精度VIO系统逐渐成为机器人导航定位研究的热点。VIO系统采用视觉相机与惯性测量单元（IMU）作为感知传感器,通过融合传感器数据实现机器人位置与姿态的互补感知,进而提高机器人导航的精度和鲁棒性。本文首先对双目VIO系统算法进行了研究。利用ORB算法提取并匹配相机数据中的特征点,采用IMU预积分算法解决相邻图像帧之间的机器人位姿估计问题,利用非线性优化算法融合传感器数据,减少位姿估计偏差。为保证系统的实时性,算法处理局部地图中的关键帧以减小计算量。动态导航中采用滑动窗口进行关键帧的边缘化,利用先验信息、IMU测量信息以及路标点观测信息的残差项,构建整体的目标函数,实现位姿非线性优化估计。针对双目VIO系统存在的轨迹偏差,展开了优化修正算法研究。当机器人经过同一路标点时,利用回环检测与优化算法消除双目VIO系统长时间运行时产生的位姿估计累积误差。当移动机器人在室外长时间、远距离移动,以及光线变化剧烈场景下进行导航与定位时,将高精度GNSS数据与双目VIO估计数据进行融合,从而提高位姿估计的鲁棒性。本文利用高性能嵌入式平台实现实时双目VIO系统,完成了相机和IMU各自的标定,以及两种传感器的联合标定。对双目VIO系统进行了实验测试,实验表明采用轨迹偏差的修正优化算法的双目VIO系统具有更高的准确性与鲁棒性。