同时定位与建图（Simultaneous Localization and Mapping,SLAM）是实现机器人自主导航的关键。但采用单一传感器的SLAM系统存在各种问题,如纯视觉SLAM在光照强度突变、机器人运动过快和纹理不明显等情况下容易失效,而激光雷达获取的信息不够丰富,在几何结构相似的场景中,容易出现回环检测错误的情况,影响建图精度。因此,对于关注的地面四驱车辆定位与建图问题,本文研究了融合多传感器的定位与建图方案,用于弥补单一传感器SLAM系统的缺点。首先,针对视觉惯性SLAM系统在地面车辆匀速或低速运动时容易退化为纯视觉SLAM系统的问题,设计了一个基于轮式里程计和双目视觉惯性传感器的定位系统,命名为Wheel VI,其采用非线性优化的方法来融合双目视觉测量、IMU测量和轮速测量,确保IMU加速度激励不够时,整个系统仍能根据视觉和轮速信息进行融合定位。同时,额外引入了一个z轴抑制项,用于降低优化求解时平移状态量中z轴部分漂移的风险。然后,改进了用于剔除误匹配特征点的RANSAC算法,利用IMU预积分得到的帧间位姿和对极几何约束去对匹配特征点进行预筛选,降低RANSAC算法的迭代耗时,同时改进了基于双目相机的位姿测量,将双目相机测量的位姿用于左目图像关键帧的三角化过程,使双目相机能恢复深度信息更为丰富的路标点,有利于后续位姿估计的稳定性。接下来,针对Wheel VI系统建立的稀疏点云地图无法用于实际导航的现实,研究了将Wheel VI系统和激光雷达结合来建立2D栅格地图的问题,利用Wheel VI系统输出位姿信息作为初始值加速了激光建图时前端扫描匹配的迭代求解过程。同时,提出了一种主动检测车轮打滑的方案,用于在车轮打滑时剔除轮速测量信息,保证激光建图的精度。最后,针对激光雷达在几何结构相似的场景中检测回环容易出错的问题,改进了激光回环检测方法,利用视觉信息去进行回环区域的初步筛选,减少激光回环的误判。实验表明,本文的Wheel VI系统提高了定位精度,在光照变化的室外场景下前进约305.85米后的相对平移误差只有0.41%。而将Wheel VI系统和激光雷达融合的方案在无回环的走廊和结构相似的多回路场景中都建立了良好的栅格地图,可用于实际导航使用。