随着人工智能和机器人技术不断发展,机器人从原来的主要面向工业应用不断的走入人们的生活,为大众做熟知。其中,服务机器人和物流机器人很多已经商用,相信在不久的将来,机器人将在人们的生活中扮演越来越重要的角色。对于移动机器人,定位一直是其的一个核心能力,而本文的目的便是借助IMU(Inertial measurement unit,惯性测量单元)的信息提升视觉SLAM(simultaneous localization and mapping,即时定位与地图构建)的定位性能。首先,对于视觉信息的处理部分,本文分别综述了相机的针孔模型,双目视觉模型等双目视觉的基础知识。然后又介绍了FAST特征点、BRIEF描述符和ORB特征点。之后又介绍了词袋模型如何用到回环检测,以及如何进行回环的校正。其次,对于IMU信息的处理部分,为了使IMU的频率和图像信息的频率一致,本文建立了IMU的噪声模型和运动学模型,对IMU的测量量进行了预积分,并推导了IMU测噪声传播方程,分析了在IMU的随机游走更新的时候IMU预积分量更新的方式。然后,为了利用两个传感器的信息估计位姿,本文利用非线性优化的方法融合了IMU信息和视觉信息。之后还给出了一种对地图进行保存的方法,以及如何利用地图进行定位。最后,针对提出的算法设计并进行了实验。其中,标定实验标定出了双目的内参和外参,相机IMU联合标定实验标定出了相机和IMU的外参。利用Euroc数据集的实验对比了本文算法的定位结果和真实的ground truth之间的误差。之后还利用了小觅双目相机对作者周围的环境进行了建图和定位的实验,都取得了良好的结果。