SLAM(Simultaneous Localization and Mapping)分为前端和后端，其中前端也称为视觉里程计。当运动过快时，视觉里程计获取的图像会出现模糊或者两帧图像之间重叠区域太少以至于无法进行特征匹配的情况，所以视觉里程计难以处理快速运动。此外当图像内容发生变化时，视觉里程计在本质上无法判断是相机发生了移动，还是外界环境发生了变化。惯性测量单元(Inertial Measurement Unit, IMU)作为重要的惯性敏感器件，不仅具有体积小、重量轻、性价比高的优点，还具有非常高的采样频率，对于短时间的快速运动，能够提供较好的运动估计。因此利用IMU既可以辅助图像进行特征匹配，提升特征点匹配的准确率；还可以在图像特征丢失的时间内，给系统提供比较好的运动估计。此外根据IMU的测量数据和静态检测算法可以判断相机是否发生了运动，从而为运动检测问题提供了一种解决方案。因此视觉惯导里程计相比于视觉里程计能够应对更加复杂的场景，具有更好的鲁棒性。本文的研究内容如下：
　　首先，为了提高惯性导航的精度，分析了惯性测量单元的误差源并确定了其误差模型，提出并推导了一种四位置标定法。
　　其次，介绍了图像特征匹配的相关理论，提出并推导了惯导辅助图像特征匹配的方法。然后介绍了静态检测算法，提出了惯导辅助动态物体检测的方法。
　　最后，搭建实验装置进行实验验证，验证前文所述理论的正确性。实验结果表明四位置标定法能够快速准确地完成惯性测量单元的标定；惯导既可以辅助图像进行特征匹配，提升图像特征匹配的准确率，也可以辅助相机进行动态物体检测。