随着科技社会的不断发展,同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术成为了热门研究话题。目前,单机器人SLAM算法在学界取得了诸多进展,并逐渐应用于生产生活中,但仍存在精度与耗时矛盾、动态稳定性差等不足;进一步由于任务场景不断复杂化与扩大化,单机器人SLAM常无法满足任务需求,协作SLAM应运而生。与单机器人SLAM相比,协作SLAM相互协作共享彼此信息,极大的提高了信息利用率,增强了环境感知能力,在大范围未知环境下具有巨大优势。为此,本文对基于视觉惯性的SLAM及协作SLAM相关技术开展研究,并设计实验验证本文算法的有效性。具体研究内容如下:针对传统视觉里程计中光流法精度差,特征点法耗时多的问题,提出一种融合光流和特征匹配的视觉里程计。首先,针对传统参考帧/当前帧跟踪方式中容易产生累积误差的问题,在光流法的基础上引入局部优化算法对相机进行初步位姿估计;其次,针对特征法中图像插入频率过高耗时多的问题,在关键帧的基础上构建光流/特征点统一损失函数进行相机位姿优化。利用Eu Ro C数据集数据进行对比实验,结果表明:简单环境下本文算法与特征点法算法精度相当,特征点缺失情况下本文算法精度较特征点法算法有所提高;运行时间测试结果表明,本文算法能够在保证精度的基础上,较特征点法减少37.9%运行时间。针对视觉里程计在快速运动、光照剧烈变化条件下容易失效的问题,引入视觉惯性紧耦合方法进行改进。首先对IMU进行建模,构建运动学公式,采用预积分方法将相机数据和IMU数据进行匹配。其次,在滑动窗口中构建IMU约束方程,联合视觉和IMU残差形成联合优化函数,求解该函数以获得更精确鲁棒的位姿结果。利用Eu Ro C数据集数据进行对比实验,结果表明:引入视觉惯性紧耦合方法后算法能够稳定输出位姿,且整体定位误差更小。针对多机器人系统特点以及场景建图需求,提出一种基于共享路标的多机器人协作建图算法。首先,为实现路标的快速精确定位,借鉴闭环检测类似的思想,提出一种两级路标融合与更新算法;其次,结合定位算法估计的位姿以及传感器获取的深度信息,对环境进行三维稠密地图构建以及各子地图的融合拼接。在仿真和真实场景下进行实验,实验结果表明,本文算法能够提高路标定位精度并能有效构建现场三维稠密地图。为了评价本文定位与协作建图算法在实际场景中的性能,搭建了一套机器人硬件实验系统,并对各传感器进行标定;从定位精度与建图效果角度,设计三组真实场景实验。在与ORBSLAM2算法的对比实验中显示,本文算法轨迹的端到端误差更小,且能够清晰、完整构建出周围场景三维稠密地图。