自动导引车（Automated Guided Vehicle,AGV）具有稳定性好、自主能力强、能源绿色和工作效率高的优点,在国内外无人工厂的实现中扮演着极其重要的角色,目前AGV的研究聚焦于实现自主完成任务。视觉同时定位与地图构建（Simultaneous Localization And Mapping,SLAM）技术通过相机捕获工作场景中的纹理信息,在光照良好和纹理充足的环境中,能够为AGV提供高精度定位,但它对环境的依赖性很强,在弱纹理低光照等恶劣场景中,极易出现定位失败的情况。而惯性测量单元（Inertial Measurement Unit,IMU）能够不受环境影响粗略估计AGV位姿,与视觉SLAM的定位信息具有高度互补性。因此将相机与IMU各自的优点相结合,形成视觉惯性组合定位,以提高AGV的定位精度。论文的主要研究内容包括:首先,从AGV的总体结构出发,分析AGV的驱动结构,将差分运动模型作为AGV的运动学模型。再由相机和IMU的物理结构出发,分别建立相机和IMU的测量模型和误差模型。并且对视觉惯性组合定位中的相关问题进行研究。其次,研究视觉SLAM实现定位与建图。详细分析了视觉SLAM各部分的组成和作用,通过特征点的提取与跟踪获得相机运动信息,并针对单目相机不能获取深度信息,使用三角测量方法获得深度信息,从而求解相机位姿并进行优化。最后研究地图的表示方法。然后,将相机和IMU相结合,先在前端处理中分别进行相机位姿估计和IMU预积分;进而对系统进行初始化处理来获得初始状态量,并将相机和IMU对齐;然后构建残差函数来非线性优化位姿,在此基础上加入回环检测模块,以此设计了视觉惯性组合定位系统来提升定位精度。最后通过数据集来验证视觉惯性组合定位系统的有效性。最后,使用机器人操作系统（Robot Operating System,ROS）仿真AGV模型与工作环境,进行AGV的定位与导航模拟仿真实验。实验结果表明视觉惯性组合定位能提升AGV的定位精度、定位鲁棒性和稳定性。