随着城市的发展,城市地下综合体发挥着越来越重要的作用。在智能制造的背景下,巡检机器人极大提高了消防监测、人流统计等自动化水平。而控制巡检机器人最根本的问题是定位问题,因此本文主要研究地下综合体定位。传统视觉SLAM（Simultaneous Localization and Mapping）定位方案存在抗动态干扰性弱,弱纹理中提取特征点困难等问题。设计了一种视觉融合惯导的定位系统。进行了数据集的测试和实际物理环境的实验。实验结果表明了本文设计的视觉融合惯导方案相对于单一传感器定位方案在地下综合体内的优越性。首先,搭建视觉定位模块。本文对立体相机模型进行了数学建模,引入了畸变模型;前端使用Harris算法结合光流金字塔的组合策略改进了原来纯视觉的ORB（Oriented FAST and Rotated BRIEF）算法;后端建立了目标函数,推导了优化变量的表达形式;继承了传统SLAM的回环检测。其次,搭建惯导定位模块。本文分析了惯导多种误差来源,简化了惯导模型;推导了惯导的动力学模型,仿真对比欧拉法和中值法的离散效果,选择了耗时更短的欧拉法;使用非均匀有理B样条将离散的惯导数据,转化为可二阶求导的连续轨迹,方便与视觉信息对齐。然后,搭建融合定位模块。将原始惯导数据转变成计算效率更高的预积分;从理论上建立并推导了视觉与惯导融合的残差方程,确定了状态变量、视觉约束和惯导约束等具体数学形式;对比高斯牛顿方法和列文伯格—马夸尔特方法在求解融合目标函数的损失值大小和计算效率;使用鲁棒核函数增强了算法的鲁棒性;使用滑动窗口和边缘化的方式有效控制了计算量的规模增长。最后,搭建了视觉融合惯导定位系统的实验环境和平台;标定了双目相机,控制了系统误差,仿真证明了简化惯导模型的合理性;本文算法在动态干扰的KITTI数据集和弱纹理的EUROC数据集上对比了ORB-SLAM2的绝对位姿误差,在动态干扰下本文定位最大提升70%,弱纹理下最大提升30%;在真实场景中,测试了融合前后的定位精度,融合后最大提升77.7%;证明了在动态干扰以及弱纹理的环境下,融合定位方案鲁棒性优于单一传感器的定位方案。