相机和激光雷达是目前自主移动机器人定位和建图领域两类最典型的传感器,二者融合可以提供比单一传感器更丰富更完备的感知信息。然而,将二者的信息进行有效融合必须解决两个重要的问题。首先,为融合来自不同传感器的测量信息,需要准确确定机器人上各个传感器之间的空间关系,如何确定传感器相对位姿的问题也被称为外参标定。其次,如何充分利用来自多个传感器的数据,发挥各个传感器的优势弥补各自的不足,这一问题被称为数据融合。本文以单目相机与三维激光雷达组成的多传感器系统为平台,针对系统的融合里程计应用,对这两个问题进行了深入研究。首先,本文提出了一种双阶段的相机-激光雷达外参标定方法,第一阶段是基于运动的外参标定,利用了两个传感器运动轨迹之间的约束估计外参。第一阶段的标定无须人为给定外参初值,能够直接根据传感器轨迹得到外参的粗估计。第二阶段的标定是基于互信息的外参标定,将第一阶段得到的粗估计作为初值,利用传感器数据的互信息约束对初值优化得到最终精确的标定结果。为进一步提高标定精度,本文采用了一种针对稀疏激光雷达点云的遮挡点检测方法,滤除了影响标定精度的遮挡点。本文提出的双阶段外参标定方法具备无需预设初值、精度高等优点,解决了外参标定方法无法兼顾对初值鲁棒性及结果精确性的问题。随后,针对里程计应用的数据融合问题,本文提出一种基于混合残差的相机与激光雷达融合里程计方法。该方法同时利用来自相机的直接和间接图像特征,以及激光雷达点云的环境几何信息,构建重投影残差和光度残差。然后将不同的残差统一到非线性优化框架下,通过同步最小化重投影残差和光度残差对传感器位姿进行优化,实现里程计估计。本文同样使用了针对稀疏点云的遮挡点检测算法用于提高里程计估计精度。此外,针对激光雷达数据稀疏性带来的数据量不足的问题,本文提出了一种基于颜色信息的深度插值方法有效补充了特征点数量。本文提出的融合里程计方法能够实时、精确地估计机器人的位姿,并构建富含丰富环境信息的彩色三维地图,为后续更高级的应用如人机交互、三维重建等提供了重要基础。最后,基于课题组自主设计研发的NuBot救援机器人平台和公共数据集,本文对所提出的外参标定和融合里程计算法进行了实验研究,并对实验结果进行了定量的分析。实验结果表明:提出的外参标定方法可以在没有初值的情况下,给出精确的外参估计;提出的融合里程计方法在公共数据集上和实物实验中均表现出了良好的准确性和鲁棒性。