随着移动机器人的广泛应用,其精确定位技术作为该领域的核心技术之一逐步成为了研究热点。依赖单一传感器的定位,无法满足复杂环境下精确定位的需要,因此多传感器信息融合的定位方法成为当今移动机器人位姿估计的主要方法,目前应用较多的是将视觉信息和惯导信息进行融合实现位姿精确估计。在视觉-惯导里程计研究中,图像几何信息通常采用特征点匹配得到,但在低纹理场景中提取的有效特征点较少,容易导致定位不准。在人造环境中,存有大量的线特征,可以弥补点特征信息的不足,因此在视觉惯导信息融合的基础上结合点线特征来提高定位精度,具有十分重要的应用价值。本文研究的方法是将视觉和惯导信息以紧耦合的滤波方式进行融合,通过点线特征结合估计图像的几何信息,从而实现信息融合条件下的精确位姿估计,本文主要从以下几个方面展开研究。首先,阐述了惯性测量单元IMU的组成和相关原理,以及位姿描述的几种方法。介绍了针孔相机投影模型、相机标定中所用的四种坐标系之间的关系,并且进行了相机标定实验、相机-惯导标定实验,获得了相机内外参数以及两者之间的相对位姿,为后续研究奠定了基础。然后,详细介绍了线特征的提取、描述和在空间中的参数化表示,构建了空间直线的观测模型,用于对惯导的先验信息进行修正。之后,对点线特征结合的视觉惯导定位算法进行了详细推导。最后,用EOURC数据集进行实验,估计出相机运动位姿,输出了估计轨迹与真实轨迹的对比图,并进行误差分析,表明了点线特征结合的视觉惯导信息融合定位算法有效的提高了定位精度。