同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）为室内移动机器人提供较好的解决方案,是实现室内移动机器人自主导航的核心。随着三维视觉的发展,基于单目视觉SLAM算法成为研究热点。然而单目视觉SLAM依赖于场景特征,缺失纹理和快速运动可能会导致跟踪失败,而且使用单目视觉传感器存在尺度初始化问题和尺度漂移。里程计输出频率较高,能够实时估算出带有尺度的位姿,短期估算较准,但是长期估算累计误差较大,而单目视觉传感器长期估算较为准确。因为这两种传感器具有明显的互补性,故将单目视觉和里程计进行多传感器融合,来解决室内移动机器人定位问题。本文具体研究内容如下:（1）对视觉SLAM系统进行深入的研究,并简述了其发展与研究现状。同时研究了刚体运动的位姿变换理论,相机标定技术和里程计运动模型,为构建单目视觉和里程计融合SLAM系统提供了理论基础。（2）针对单目视觉传感器和里程计的外参标定问题,提出一种仅用棋盘格的有效算法。该算法采用棋盘格求解出相机坐标系相对于世界坐标系的姿态和位移,然后通过最小二乘法拟合出里程计坐标系的x轴的方向向量。因y轴向量已知,故采用右手坐标系获取z轴方向向量。将此三个方向向量单位化组合成的旋转矩阵作为里程计坐标系相对于世界坐标系的姿态,通过矩阵乘积得到相机坐标系相对于里程计坐标系的姿态。（3）针对单目视觉传感器和里程计特点,提出一种基于单目视觉和里程计融合的SLAM算法。该算法包括系统初始化、尺度恢复、前端里程计和后端优化等步骤。单目视觉存在尺度初始化问题,本文在初始化阶段采用里程计恢复视觉尺度。在室内场景下,对移动机器人的位姿施加约束,该约束包括特征点重投影误差约束、里程计约束和先验平面约束,使得位姿估计更加精确。最后对所提出的融合算法进行了实验和精度分析,验证了本文所提出的算法的有效性。