同时定位与建图（Simultaneous Localization and Mapping,SLAM）技术是目前无人系统定位与导航领域的研究热点,也是实现无人系统环境感知的重要手段。根据使用的传感器,SLAM技术主要分为视觉SLAM和激光SLAM。不过,随着无人系统作业任务与应用场景的多样化和复杂化,仅依靠单一传感器的SLAM算法往往无法正常工作。例如,视觉SLAM难以应对纹理缺失、光照变化明显和快速运动等场景,激光SLAM在一些重复性场景（如隧道和走廊等）容易陷入低特征困境,从而无法进行准确定位。一种有效的提升SLAM算法精度和鲁棒性的方法是进行多传感器信息融合。因此,针对地面轮式移动机器人,本文提出了一种基于双目视觉、轮式里程计与激光雷达的多传感器融合SLAM算法,充分利用各个传感器的优势,取长补短,提升了系统的定位建图精度和鲁棒性。具体工作如下:首先,设计并实现了轮式移动机器人实验平台,进行了双目相机、轮式里程计和激光雷达之间的外参标定实验,确定了各传感器之间的相对位姿变换关系,并完成了各传感器测量数据之间的时间戳对齐工作。然后,提出了一种基于优化的双目视觉与轮式里程计紧耦合定位系统。由于机器人采用滑动转向底盘,转弯时车轮存在打滑的事实,使用瞬时旋转中心（Instantaneous Centers of Rotation,ICR）和机械影响因子对滑动转向机器人进行建模,推导了基于ICR的轮式里程计约束,并针对地面移动机器人,引入平面约束。在室内和室外场景进行了对比实验,实验结果表明,本文定位算法相比禁用回环优化的VINS-Fusion算法在精度和轨迹平滑度上具有一定的优势。随后,利用双目视觉、轮式里程计和激光雷达信息,实现了一种具备回环检测和构建可复用地图功能的SLAM算法。该算法将双目视觉与轮式里程计紧耦合定位系统输出的位姿作为激光帧间匹配（scan-to-map）算法的初始值,实现了高精度定位与建图功能。在室内大尺度场景进行了激光建图实验,实验结果表明,本文SLAM算法能够构建满足路径规划与导航等任务要求的高精度栅格地图。最后,提出了一种结合视觉与激光信息的回环检测策略,并且对于由不同信息检测到的回环,采用不同策略构建回环约束。