随着信息技术的高速发展,无人智能系统和移动智能机器人已经逐步走入到了人类日常生活中,并在混合现实、应急救援和无人驾驶等任务中发挥着重要作用,其中的关键技术即时定位与地图构建（Simultaneous Localization And Mapping,SLAM）引起了研究者们的广泛关注。视觉SLAM系统以其成本低和容易部署的优势,用于服务人类日常生活的可能性更大,逐渐成为了SLAM系统中的一个研究热点。然而,视觉SLAM系统在一些应用场景中还存在问题,如:基于针孔相机模型和去畸变处理的视觉SLAM系统会引起相机原来的有效视角变小,两帧图片间的重叠区域变窄,并且系统在环境中运动的视场角变化过大时,会造成系统鲁棒性变差,甚至失效;纯视觉SLAM系统中由于只含有相机作为传感器,在环境视觉信息薄弱场景下,会引起系统无法检测到充足有效的视觉特征,无法在两帧图像间进行特征匹配和位姿恢复,进而造成系统无法工作。本文聚焦于解决系统中去畸变造成的有效视角变小和视觉信息不足的两个问题,开展的主要研究内容和做出的主要贡献如下:针对第一个问题,本文基于鱼眼相机模型能保持相机原有视角尺寸的特性,替代传统针孔相机模型,然后推导鱼眼相机模型在SLAM系统中的各类雅可比矩阵,并融合到前后端非线性优化的图优化框架中。另外,结合视觉系统的尺度问题,本文采用双目相机来确保系统的尺度确定性,从而在单目系统基础上,设计双目非去畸变特征匹配的系统算法流程,为视觉系统提供确定尺度和有效视角不变的特性,来提高该问题下系统的鲁棒性。针对第二个问题,本文基于惯性测量单元IMU（Inertial Measurement Unit）传感器,采用多传感器紧耦合的研究方案。运用IMU自身就能估计出系统位姿的特性,并利用预积分机制同步IMU和相机的频率,在后端构造包括单目、双目和惯性测量值的统一目标函数,通过非线性优化算法来优化目标函数和估计系统的位姿状态。IMU为视觉信息薄弱时提供可靠的IMU位姿信息来辅助系统,从而确保系统在此问题下的鲁棒性。为了让SLAM系统能够一块处理上述两类问题,本文结合上述两套研究方案,构建了一套融合鱼眼相机模型、双目相机和IMU传感器的VI-SLAM系统,并最终搭建了一套硬件系统来验证实景下融合系统研究方案的可行性。