视觉里程计(VO)已成为移动机器人自主导航与定位研究的重要组成部分。视觉信息和惯性信息互相补充,视觉信息能有效校正惯性信息的漂移,而惯性信息能在快速运动或特征缺失的情况下进行定位。融合摄像头和惯性元件的传感器设置非常适合于导航,但却带来了巨大的研究挑战。因此,本文研究惯性传感器在视觉里程计中的应用,设计了一种视觉惯性里程计系统,并通过公开数据集和室内外环境实验验证了系统的有效性。本文首先对视觉里程计系统进行研究。阐述了基本的相机投影模型,分析各个坐标系间的转换关系;接着介绍基于特征法和光流法的位姿估计方法,对比各主要算法的效率和性能;最后设计并搭建基于两两帧、局部地图和光流法的三种视觉里程计系统,通过公开数据集上的实验分析不同的里程计系统的实时性和定位精度。针对优化初始条件变化所造成的重复积分问题,采用预积分算法对惯性数据进行处理。考虑噪声和漂移的影响,对IMU进行建模,并构建物体运动学公式,推导预积分公式;利用误差传播和漂移更新过程对噪声和漂移进行处理,实现对IMU数据的预积分。为了在两帧图像之间充分利用IMU信息,利用惯性预积分算法将惯性测量值积分成相对运动的约束,设计了视觉惯性里程计系统。使用优化算法对视觉观测信息和惯性预积分信息进行优化和位姿更新,实现相机运动的位姿估计。通过公开数据集实验,验证了系统的有效性。为了对设计的基于IMU预积分的视觉惯性里程计系统进行实验验证,在室内外实际环境中进行实验。实验的硬件平台包括TurtleBot移动机器人和带IMU的双目相机。实验环境包括实验室环境和校园环境,相机装载方法包括手持,移动机器人平台和车载。通过室内外环境实验的测试,验证了里程计系统的有效性和可靠性。