同时定位与建图(SLAM)自出现以来,一直就是机器人领域和计算机视觉领域研究的热点。单目摄像机以其低廉的价格,采集到的蕴含着周围场景丰富信息的图像,一直吸引着SLAM研究者的注意力。然而通过单目相机解算位姿和恢复环境场景结构在遇到遮挡、快速运动、纹理稀疏区域、纹理相似局域时不能很好的工作,而且单目视觉还存在饱受诟病的尺度问题。IMU是一种内感受型传感器,可以感知机器人或载体本身的运动。由于存在传感器测量误差,无论是纯惯性导航还是纯视觉解决方案,单纯依靠递归操作都不可避免地会导致累积误差。低精度的IMU由于随机游走的噪声的存在,IMU递推结果会在短时间内很快变得误差较大。将内感受型传感器与外感受型传感器融合是我们实现不同传感器之间优势互补的一个方案。IMU与相机正是这样一套内外结合的传感器融合方案。这两种传感器都可以估计载体的相对位姿,将其融合可以有效的抑制累积误差。此外,因为是不同种类的传感器,信息来源不同,这使得IMU的偏移在融合中可以被观测到,并在后端(优化)中被有效的估计。单眼视觉中缺乏绝对尺度的问题也可以通过引入惯性信息来解决。本文设计了一种视觉惯性里程计,将视觉信息与惯性信息融合,恢复了位姿的绝对尺度,实现了机器人位姿的准确估计。在视觉处理部分,我们讨论并实践了通过提取ORB特征,进行特征匹配后,基于多视图几何原理来估计相机位姿,恢复地图点深度;标定了 Kinect V2相机,展示了标定前后效果的变化。在惯性传感器处理部分,详细推导了 IMU预积分过程以用于视觉惯性信息的融合。我们讨论了后端非线性优化方法与基于滤波的方法的优劣势,并最终选择非线性优化方法,设计了视觉惯性信息融合方程,以实现视觉惯性信息的融合。最后,我们基于视觉惯性信息能量融合方程,采用图优化的方案进行了实验。对实验结果的分析表明,我们设计的视觉里程计达到了我们的预期目标,能够有效的恢复场景尺度并估计位姿。本文所研究技术将为教育机器人在室内场景中进行其他更高层次的应用,如自动充电等,提供基础。