得益于人工智能的迅速发展,移动机器人技术广泛应用于生活与工业领域,其卓越的表现,使其成为多个领域不可或缺的部分,定位问题则是移动机器人领域中最为重要和基础的问题,定位是指对于移动机器人位置与姿态的估计。目前基于视觉的移动机器人定位方法发展迅速,其中将单目视觉与惯性测量单元(Inertial Measurement Unit,IMU)融合的定位方式可以有效解决单目视觉定位过程中的尺度不确定问题和惯性导航中的累积漂移问题,将系统鲁棒性增强,同时满足高精度的定位需求。因此本文将采用基于单目视觉与惯性融合的方式对移动机器人定位算法进行研究。首先,概述了基于视觉融合定位方式的研究背景与研究现状。并对单目视觉融合IMU的理论基础进行了介绍,其中包括相机的成像模型、定位过程中坐标转换关系以及基本的视觉定位建图流程等。然后,对于移动机器人的位姿估计问题,给出了一种单目融合IMU的定位方法,在该算法的视觉前端采用Harris角点进行特征提取,KLT光流法进行特征跟踪,惯性单元的前端则采用预积分方式对数据进行处理,经过联合初始化,在后端通过基于紧耦合的滑动窗口非线性优化过程,估计出移动机器人的位姿信息。经过实验验证该算法的有效性,同时得出该算法在长时间运动过程中会存在误差累积的缺点。针对该融合定位算法的缺点,引入了一套加入回环检测重定位与全局位姿优化的改进定位算法。使用回环帧的位姿信息对优化窗口中的位姿进行重定位,并通过全局位姿优化过程得到全局一致性的移动机器人的位姿估计。经实验,验证改进算法的可行性。接着对无回环检测视觉融合IMU定位算法和加入回环检测功能的融合定位算法进行精度分析,通过绝对位姿误差与相对位姿误差对两种定位算法进行对比,得出改进算法在全局的位姿估计上精度更高。最后使用惯性相机传感器对视觉融合算法进行实验研究,验证算法的通用性与可移植性。