两栖机器人具有灵活的移动能力可以适应复杂环境进行工作,而机器人要在陌生环境工作极度依赖对自身的精准定位与周围环境的感知。目前机器人定位主要使用的GPS会受到射频干扰等外部因素影响,导致机器人定位不准且无法向机器人提供周围的环境信息。近年来,同时定位与建图（Simultaneous Localization and Mapping,SLAM）算法的迅速发展为机器人自主定位并对周围环境建图提供了一种解决方案。首先,为了实现球形两栖机器人在陌生环境下对自身进行定位以及对周围环境进行建图,本文以ORB-SLAM2算法为基础,对其进行改进使得它能够在球形两栖机器人上进行精确、稳定的定位。通过将ORB-SLAM2移植到机器人上使机器人具备定位与建图能力。光线强弱、纹理复杂程度以及机器人短时间内快速移动等因素都会对视觉定位造成影响;而惯性测量单元（Inertial Measurement Unit,IMU）在快速运动时能够较准确记录轨迹,但在静止时存在零漂。本文通过结合视觉与IMU信息,使用无迹卡尔曼滤波器将两者定位信息联合构成视觉惯性里程计,从而使机器人能够得到更精确、稳定的定位。其次在ORB-SLAM2算法中,对周围构建的地图只是图像特征点的集合,无法提供有效的导航信息;与此同时长时间的建图会导致地图文件巨大,使机器人难以处理。本文通过使用八叉树地图代替原来的稀疏点云地图,降低计算量的同时便于机器人导航。再通过统计滤波法去除八叉树地图中由于传感器误差产生的噪声,进一步在保留环境信息的同时减少地图文件大小,使得机器人能够进行长时间的建图。最后,本文为了验证改进算法的可行性和有效性,进行了验证实验。先在数据集TUM-VI上进行仿真实验,验证算法的有效性。然后分别在陆地、水面上进行定位与建图实验,实验中使用NDI光学跟踪系统记录机器人的实际移动轨迹,再与机器人记录的轨迹进行比较、验证;在建图方面,本文从地图文件的文件大小、精度等指标上对建图性能进行比较。实验验证了本文设计的视觉-惯性定位算法在定位与建图上的可行性与有效性。