无人机器人导航领域的发展迅速,与之相关的成果已相对较多,出现了各种导航方法。虽然因可实现全天候工作、以及完全自主等突出优势,IMU(Inertial Measurement Unit,惯性测量单元)系统已成为机器人系统之中必备的一种导航系统,但因其是以航位推算为基础的方法,伴随运行时间延长的同时,导航误差必将更为显著;并且随着任务执行难度的提升以及环境的复杂性,常用传感器经常无法发挥自身的优势。针对上述问题,在无人机器人之中运用SLAM(Simultaneous Localization and Mapping,同时定位与地图构建)方法,可令IMU的欠缺得以弥补,可以认为是极为有效的一类方式。结合内容可以发现,对比单一数据源而言,多传感器数据融合的优势会更为突出,除具备统计方面的优势,且可令观测的精度得以提升,使得定位变得更为准确。所以,就课题的探究而言,关键是令SLAM方法在能够运用来自摄像头的视觉信息之外,如何融合来自传感器的数据,这也是导航定位得以实现的关键环节。具体研究如下:第一,研究了移动机器人视觉定位相关技术和惯性导航系统的坐标及旋转的相关技术,在此基础上校核了本文实验用的立体视觉相机的技术参数;并通过在水平方向和垂直方向上的两个定位精度实验测试了实验用惯导IMU的定位精度。第二,提出了在立体视觉ORB-SLAM2系统的基础之上与IMU传感器进行融合的SLAM算法并针对两者的差异做了对比实验,通过量化分析验证了后者对前者不足之处的改善。第三,建立了一套自主研发的具有对环境进行感知能力的系统,可以实现即时定位导航功能并完成信息获取,并以此平台验证了两种SLAM在定位精度上的差别。