随着我国科学技术的日益进步发展,无人系统广泛应用于车间工厂,新型智能移动机器人也将逐渐出现在人们的生活之中。即时定位与建图(Simultaneous Localization And Mapping,SLAM)技术,是无人系统自主定位与导航的核心技术。目前单纯的使用激光雷达或者是视觉惯性系统(Visual Inertial Odometry,VIO)进行定位与建图都存在受环境限制的问题。本文以此为背景,使用三传感器融合的方式,进行机器人的自主定位研究。首先,由于雷达快速运动下存在运动畸变,本文对现有的雷达与惯性测量单元(Inertial Measurement Unit,IMU)的融合方法进行了改进,采用单线激光雷达与IMU紧耦合的方式对点云进行扭曲校正。这有效地校正了点云运动畸变,使得雷达在数据匹配上更加准确,从而提高了系统的定位精度。另外,针对结构化场景特征约束不足以及视觉纹理缺失造成的里程计漂移的问题,本文将单目相机与单线激光雷达数据融合,使用单线激光雷达建立深度图恢复出视觉特征点深度,求解视觉里程计作为雷达点云姿态的先验估计。这种融合视觉辅助定位的方式,弥补了不同传感器之间的缺陷,解决了部分场景下传感器使用受限的问题,有效的提高了定位系统的鲁棒性。本文首先对实验系统的硬件平台以及底层数据融合进行了介绍,包括底层雷达云台的设计,传感器之间外参数的标定原理。在硬件的基础之上,介绍了雷达特征提取、匹配、紧耦合求解里程计的过程,阐述了视觉与雷达融合、视觉里程计的基本算法,最后描述了地图建立的过程。最后,在校园室内外场景下,使用传感器进行实地测试对算法进行验证,在机器人操作系统(Robot Operating System,ROS)上,使用可视化工具对定位和建图结果进行显示。实验结果表明,该算法较之前的激光雷达定位算法性能有所提升,在定位精度和建图效果上有所改善。