轮式机器人是当前机器人工程的主流实现方案,高精度的位姿估计是轮式机器人进行复杂的任务的前提。GNSS/RTK等定位方法能够将定位精度误差缩小到厘米甚至毫米级,但使用场景受限,当机器人无法与参考目标交互,将无法实现定位。于是,为了使得机器人能够在不借助人工参照的条件下进行自身的位姿估计和定位,本文设计并实现了一种双目视觉-IMU紧耦合里程计算法。该算法通过结合相机图像中丰富的纹理信息和IMU的鲁棒性,实现高精度开环位姿估计。本文分析了双目相机模型的系统误差和目前主流的IMU预积分方法存在的问题,针对这些问题,基于稀疏特征点法的视觉里程计原理和IMU预积分原理设计了基于左右相机弱耦合思想的双目视觉-IMU紧耦合里程计算法LCSIO。LCSIO算法的特点分为三方面。一方面,对于位姿优化,针对双目相机测量模型的系统误差,本文提出了一种基于左右相机弱耦合思想的单目旋转优化方法和一种基于虚拟投影平面技巧的双目位移优化方法,提高了位姿优化的精度;另一方面,针对现有视觉与IMU紧耦合的方法存在的不足,本文提出了IMU分段预积分方法,将每个相机位姿之间的单个IMU约束转化成IMU约束链,IMU约束链相比单个IMU约束项更加符合IMU测量模型;最后,针对随机游走约束,本文提出了一种在最小二乘优化的过程中动态限制随机游走值域的方法,该方法将随机游走约束嵌入一种高次幂核函数中,使得随机游走的误差被严格限制在一定范围内。最后,本文分别使用KITTI Odometry数据集、Eu Ro C数据集和南京理工大学校园场景进行算法验证,通过与当前流行的开源VO、VIO做比较,验证了LCSIO的性能。