在未知环境下进行地图构建是移动机器人实现自主导航的首要前提,也是计算机视觉、智能机器人等领域的研究重点。同步定位与地图构建,即SLAM技术,便是解决地图构建问题的关键所在,但不容忽视的是,使用单一传感器的SLAM技术仍然存在许多局限,如视觉传感器在复杂情况下经常发生特征丢失现象、单线激光雷达的探测范围有限等。因此,本文提出一种融合惯性测量单元（IMU）数据的双目视觉改进方法,并在此基础上对激光与视觉的融合方案进行了深入研究,进而增强移动机器人对未知环境的感知能力。本文的主要研究内容和取得的创新性成果总结如下:1、建立两轮差分式移动机器人的运动学模型和里程计模型,对本文所使用的双目相机、激光雷达等传感器模型进行分析,同时对各传感器间的标定方法进行深入研究,并完成了传感器的标定工作。2、在完成ORB特征点提取与匹配的基础上,使用EPn P方法实现了相机的运动估计,同时采用了基于图优化框架的后端优化方法进行优化,构建了完整的视觉SLAM系统,并在Euroc公开数据集上进行实验。最后对几种经典激光SLAM算法进行研究,并基于Gazebo仿真平台进行对比实验。3、针对双目视觉系统容易丢失特征信息的缺陷,提出了一种融合视觉与IMU数据的改进方法,即首先对IMU数据进行预积分处理,然后利用非线性优化方法融合视觉和IMU数据,最后在Euroc公开数据集上进行实验。4、针对单线激光雷达探测范围的局限性,提出了一种基于栅格地图的激光-视觉融合方法,即利用改进视觉得到的三维立体信息为激光雷达进行一定的数据补充,其构建的栅格地图不仅可以直接运用于机器人导航,并且其地图信息更加完整,有效增强了移动机器人对未知环境的感知能力。5、利用移动平台、双目相机等设备搭建实验平台,并对本文提出的地图构建方法进行验证。结果表明,本文提出的多传感器融合方案可以有效利用未知环境中的特征信息,构建了更加准确、完整的环境地图。