基于多传感器融合的无人驾驶汽车技术在智能交通系统和军事领域扮演着重要的角色。其中,视觉惯性里程计(VIO)技术为无人驾驶车辆提供了导航定位的功能。视觉导航依赖场景的特征信息,而惯导不受环境干扰,可以提供短时间的位姿信息,两者融合实现对位置和姿态的高精度定位导航功能。基于此,本文研究了视觉惯性里程计的功能原理及其融合算法。本文首先介绍了双目视觉里程计技术基本框架,详细介绍各个模块的功能算法及原理过程;其次,针对视觉与惯导的融合问题,提出了基于关键帧选取的非线性优化融合算法,同时为了避免优化过程中对惯导测量数据的重复积分,在融合算法中应用了一种基于最大后验概率的IMU(惯性测量单元)预积分方法;接着对视觉惯性里程计系统进行设计,选用多尺度Harris角点检测算法作为图像特征提取的算法,提取关键帧并对其进行优化,为了降低优化算法中对多维状态变量优化的复杂性,采用滑动窗口边缘化的思想,对选取的关键帧进行边缘化,滤除冗余信息保留需要的状态变量信息,提高了优化的效率;最后,利用Eu Ro C数据集提供的数据以及Loitor惯性相机采集的数据,对本文的融合算法进行实验验证。实验表明,相比较视觉里程计,本文的视觉惯性里程计不需要过度依赖场景的特征信息,环境适应性更强,可以实现更高的导航定位精度。