随着无人车、智能机器人技术的发展,机器视觉与基于MEMS的微惯性技术也得到了广泛的应用。其中,视觉系统通常用来感知外界环境,重建三维空间,实现障碍检测,物体追踪,导航定位等功能。基于视觉的定位方式能提供高精度的位置信息,但视觉系统容易受光照变化的影响,在光线不足或视线被遮挡的情况下无法提供定位信息。而微惯导系统具有自主、实时、不受外界环境干扰、体积小、重量轻、成本低等优点,但其只能提供短时高精度的位姿信息,通常需要GPS等其他定位系统辅助。因此,本文研究了一种运用双目视觉系统为运动体提供位姿信息的定位技术,该定位方式通常称为视觉里程计(Visual Odometry),并且综合视觉与微惯性技术的特点,提出了一种在无GPS信号时基于视觉与微惯导的组合定位技术。本文首先推导了捷联惯导系统位置、速度、姿态更新算法,以及捷联惯导系统误差方程。其次对基于双目CCD摄像机的视觉定位关键技术进行了研究,其中包括双目摄像机的高精度标定、双目系统图像特征提取、帧间图像特征匹配,以及运动载体的运动估计,提出了多约束条件下基于FLANN与RANSAC相结合的特征匹配方法,在对关键技术展开研究的同时也采用了ZED双目相机对本文提出的各项关键技术方案进行实验验证与分析。最后建立了基于卡尔曼滤波的线性系统模型,提出了基于视觉与惯导定位的位置误差为观测量的数据融合方案,并使用KITTI数据以及用MTiG710/ZED采集的数据对方案进行了实验验证,且对实验结果进行了充分的分析,为后续进一步的研究提供了重要的参考。