随着移动机器人技术的不断发展,其核心之一的SLAM技术也取得了很大的进步,以激光传感器为主的系统已相对完善,以视觉传感器为主的系统性能得到了快速提升。随着计算机速度的不断提升,从滤波求解方法发展到了以优化求解方法为主流。当前视觉SLAM系统应用于不同场景还存在诸多问题,如无纹理环境、机器人剧烈抖动复杂环境、运动封闭电梯环境等表现的不够理想。对此,本文研究了视觉和惯导传感器技术,重点研究了视觉惯导信息融合的方法及优化算法,提出一种基于融合多传感器信息更加鲁棒高效的视觉惯导SLAM系统。并进行了实验验证。本文首先研究了移动机器人SLAM系统的基础理论知识,将SLAM本质问题进行数学描述,对机器人在坐标系中的运动表示进行了描述,主要通过旋转加上平移进行表达,旋转涉及到旋转矩阵、欧拉角、四元数等知识。对惯导系统及其姿态航向、速度位移进行研究,了解其实现方式。其次对现有纯视觉SLAM系统进行研究,涉及到相机模型,相机标定等内容,前端视觉里程计采用提取ORB特征点的方式,进行帧间匹配,通过PnP求解机器人位姿;后端通过关键帧数据进行局部BA优化,调整局部位姿和地图点;同时加入基于词袋模型的回环检测环节,实现全局优化。然后针对纯视觉SLAM系统实现的一些不足,提出视觉融合惯导信息的SLAM系统。整个过程如下:对于不同频率的信息(如视觉25FPS,惯导100HZ),采用对IMU信息进行预积分,再与视觉信息紧耦合求解;后端通过紧耦合求出的初步位姿,和已确定的局部地图点,实现局部优化;通过回环检测消除累计误差,实现全局最优。最后在数据集和实际的软硬件平台上进行实验,并与其他不同SLAM系统进行对比,实验结果表明本文视觉融合惯导的SLAM系统在室内移动机器人平台上具有很好的鲁棒性和效率。