在没有环境先验的条件下,通过收集机器人上的传感器获得的信息,计算得到机器人的位姿并实时创建地图,这一过程,就是同时定位与地图创建（Simultaneous Localization and Mapping,SLAM）。纯视觉SLAM无法满足日益复杂的定位需求,引入IMU（Inertial Measurement Unit）可以弥补相机低频率的不足,有效解决了机器人在快速运动下的位姿估计,而IMU在运行长时间后会出现累积漂移问题。本文针对室外复杂环境下相机易受遮挡、相机移动过快、图像模糊以及机器人纯旋转下算法精度下降、IMU的累积漂移等问题,研究了多相机与IMU融合的SLAM算法来实现室外移动机器人的定位问题。本文的研究内容和创新点主要包括以下几个方面:（1）搭建了用于定位的室外移动机器人平台,工作包括硬件选型和软件架构设计。完成了多传感器融合的系统设计,包括各硬件的组建、接口的操作、数据的传输以及时间戳的统一。该系统由四目相机与IMU负责定位,激光雷达获取机器人运动的真实轨迹。（2）针对多相机与IMU之间频率不同、相机曝光时间不同而导致的时间不同步的问题,本文采用FPGA硬件触发的方式、创新性地设计了基于曝光补偿的曝光补偿模块,完成了多传感器之间的时间同步。并通过实验验证了该方法可实现四目相机与IMU之间的时间同步且同步精度约为1ms。（3）完成了四目相机和IMU的外参标定工作。一是双目相机与IMU的外参标定,通过手持标定平台进行8组实验后选取了其中最优结果。二是四相机外参标定,每两个相邻相机都进行2次标定实验后选取了最优结果。且标定过程中的视觉重投影误差值均验证了标定结果的准确性。（4）基于对VINS框架的扩展,提出多相机与IMU融合的SLAM算法。该算法支持本文搭建的四目相机与IMU融合的系统,前端采用双目光流追踪和两个单目光流追踪相融合的方法。系统采用一种IMU静态初始化的方法。紧耦合后端的视觉残差部分定义为单点残差加双点残差的形式,加入了多相机的外参在线标定。通过搭建的多相机与IMU定位平台进行实验,展示了初始化的效果,验证了本文算法的有效性,给出了一次定位过程中的多相机外参标定结果。（5）使用室外移动机器人平台进行相关实验。为检验本文算法的定位性能,通过直线、环形、大绕环等7次对比实验,验证了本文提出算法的定位精度优于双目VINS算法;此外还对比了本文算法与已有多相机与IMU融合算法OpenVINS的定位性能,该实验同样表明本文算法的定位性能更优。针对相机遮挡问题进行了相机遮挡实验,通过直线段、转弯段等4段不同的数据集,验证了多相机的布置能够弥补相机遮挡造成的算法定位精度下降,使系统的鲁棒性得到提升。