获取自身位姿信息是移动机器人实现路径规划等导航功能的前提。利用传统的定位传感器在某些特殊情况下容易出现定位不准确的问题,如里程计易在不平坦地面发生打滑现象,IMU在机器人长时间做三维变速运动时易发生比较严重的漂移现象,GPS在室内环境中易出现定位不佳的现象。然而视觉传感器可以获取丰富的环境信息,不受车轮打滑等因素的限制,在一定程度上能解决特殊情况下传统定位传感器定位不准确问题。基于此,本文研究基于视觉传感器的移动机器人位姿估计方法,主要工作如下:(1)定位需要实时地估计机器人的位姿,它与建图问题相互耦合,共同构成了同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)问题。故本文首先对基于单目相机和深度相机的纯视觉SLAM系统进行了研究,接着针对稀疏点云图无法展示移动机器人周围的某些环境信息和单目相机估计出的位姿轨迹缺失绝对尺度的问题进行改善。针对稀疏点云图无法展示某些环境信息的问题,本文在已有的基于深度相机的SLAM系统的基础上,通过点云拼接增加了构建稠密点云地图模块。针对单目相机估计出的位姿轨迹缺失绝对尺度的问题,本文在前人工作的基础上搭建了一套视觉-惯性融合系统。该系统具有回环检测与重定位功能,并将距离当前比较远的帧边缘化,增强了系统的精度和实时性。(2)在数据集和真实场景下分别对纯视觉SLAM系统和视觉-惯性融合SLAM系统进行了实验测试和精度分析。实验结果表明:基于深度相机的SLAM系统的局部和全局定位精度都比较高,构建的稠密点云地图可更多的展示移动机器人周围的环境信息,且比较直观。本文搭建的视觉-惯性融合SLAM系统,能恢复单目相机缺乏的位姿轨迹尺度信息,位姿估计精度接近能理想恢复出真实尺度的纯单目视觉系统的精度,与目前主流的VINS-Mono系统相比,绝对轨迹估计误差更小,且系统的平均跟踪时间和系统在数据集不同序列中的表现表明本文所搭建的系统具有较好的实时性和鲁棒性。