SLAM技术广泛应用于无人飞行器、无人驾驶、AR、VR等行业中。以相机和IMU为传感器的视觉惯性里程计是SLAM系统中的里程计前端,主要负责定位功能,即测量载体在三维空间的运动轨迹。本论文主要内容为设计高精度、鲁棒性好、实时性好的能够实现自主定位的视觉惯性里程计软件,在论文中给出了适用于单目相机和IMU数据的视觉惯性里程计软件框架,整个软件分为三部分内容:图像与IMU数据预处理,视觉惯性里程计初始化,视觉惯性里程计滑动窗口优化。图像和IMU预处理是指对原始图像和IMU数据进行处理。在本论文中,对图像使用光流法进行特征点跟踪,构建特征点与图像帧的观测图模型。对IMU数据,推导出两帧图像帧之间的IMU预积分公式,通过数值积分法对每相邻两图像帧的数据进行预积分求得预积分项。预处理后的图像和IMU数据将用于视觉惯性里程计初始化和优化计算。视觉惯性里程计的初始化是视觉惯性里程计系统中非常重要的一部分。本论文分析了初始化在视觉惯性里程计中的重要性,给出了基于视觉与IMU测量融合的联合标定方法。首先根据纯视觉数据恢复初始运动结构,再根据IMU测得的旋转与视觉求得的旋转差异构造最小二乘项,使用最小二乘法初始化陀螺仪漂移。再根据IMU测量模型造最小二乘项,初始化重力向量,视觉尺度因子,初始速度以及初始位姿,并根据重力方向确定全局参考坐标系。经过初始化后即可得到载体在初始时刻的一小段轨迹。滑动窗口的优化是视觉惯性里程计的最后一部分,用于求解载体在最新时刻的位姿并实时对轨迹中最末端的一段进行优化以减小累积误差。在轨迹末端设置一个包含固定数量图像帧的滑动窗口,提取滑动窗口内的视觉误差项、IMU观测误差项以及先验误差项,通过Ceres非线性优化库实时地对滑动窗口内各图像帧状态进行优化计算。最后,使用了不同数据集来测试本论文中的视觉惯性里程计软件性能,同时用传感器设备自采集数据进行实验,测试本里程计软件的在不同运动环境下的鲁棒性与实时性。