根据复杂场景下对位姿估计的高鲁棒性与高精度要求,文中采用了多传感器信息融合和基于深度学习的方法解决移动机器人的位姿估计问题。针对提出的方法,研究并设计了移动机器人的位姿估计的框架,其中包括了集串口的驱动、数学运算库、多视图几何和运动模型等的硬件结构;集操作系统、深度学习框架、云服务器等的软件环境;集运动感知、并行计算、功能算法等的SLAM系统。文中首先对传统的视觉SLAM展开研究。在视觉里程计部分分别采用了特征点法和直接法实现,利用产生的视觉特征建立稀疏的位姿轨迹和场景地图,在后端优化部分,分别采用了基于滤波和非线性优化的方法,对位姿和地图进行调整,逐步降低位姿估计的不确定度。为了建立全局一致的位姿的轨迹图和场景地图,最后加入了以词袋模型为基础的回环检测。实验结果表明,加入回环检测后匹配误差减少到0.6m,而采用非线性优化的绝对轨迹误差的均方根值随着时间的推移明显小于基于滤波的方式。其次研究了IMU（视觉惯性测量单元）与视觉信息融合的VIO算法。首先构建了基于非线性优化的视觉惯导融合的残差模型,并对其雅克比矩阵进行了详细说明。为了避免姿态更新时,对IMU数据进行重复地运动积分,利用IMU预积分方法,对关键帧之间IMU数据进行相对运动积分,把IMU数据作为运动信息,利用视觉的观测信息进行数据关联,修正运动信息。实验部分采用直接法与特征点法分别实现VIO。结果表明,融合后的算法在有明显的运动模糊和光照变化下依然能够正确运行,显示了该融合算法的鲁棒性和高精度。此外,提出了一种提高视觉与IMU融合效率的策略,采用了一种图模型的思想,为了提高数据融合后的计算效率,利用边缘化的方法,将状态量中较老的观测有选择地进行删除,但保留其部分信息作为下一时刻观测的先验。将这种策略用于SLAM系统中,实验结果验证了此方法的可行性。同时还提出了一种适用于回环检测的复合栈式自编码器,利用多层栈式自编码器,建立了物体分类模型,将解码得到的图像特征与相机捕捉到图像的特征进行相似度的计算,并设计出相似度对比阈值,实验结果表明了此方法的可行性,对比常用的词袋模型,基于深度学习的方法显著的提高了回环检测的精度。