智能制造和机器人技术的蓬勃发展使得移动机器人在巡检、无人清扫、物流和农业等领域得到广泛地应用。其中,定位技术是移动机器人智能化的基础和核心,受到研究人员的广泛关注。由于实际应用场景复杂,仅依靠单一传感器无法满足移动机器人高精度、强鲁棒的定位要求。相机具有成本低、体积小和采集图像的信息丰富等优点,但是在障碍物遮挡、由快速运动导致的图像模糊、光照变化等情况下容易跟踪失败。而惯性测量单元（Inertial Measurement Unit,IMU）响应快、不受成像质量影响且可为单目相机提供尺度约束,但是存在累积误差问题。本文利用二者较好的互补性,采用紧耦合的方式融合传感器数据,实现移动机器人的高精度、强鲁棒定位。具体研究内容如下:（1）分析了视觉惯导融合的移动机器人定位系统所使用的数学理论,进行了相关公式的推导,明确了定位系统中的坐标系变换,同时讨论了相机模型和IMU数学模型。（2）研究了基于视觉的移动机器人定位技术。针对ORB算法在尺度变换、光照变化以及模糊变化等场景下很难有效地提取特征点的问题,提出了改进的ORB算法,并通过筛除误匹配来提高特征匹配准确率,通过在4个数据集下进行对比实验验证了改进算法的有效性;研究推导了基于多视图几何的移动机器人位姿估计算法,并分析了使用光束法平差优化位姿估计问题;通过回环检测算法的研究,达到了减少累积误差和获取全局一致的移动机器人定位轨迹的目的,并使用逆向检索来对算法进行加速。（3）在视觉定位的基础上,提出了视觉惯导融合的移动机器人定位系统。采用视觉和IMU松耦合的方式初始化定位系统,并将视觉残差和IMU残差联合构建最小二乘问题,采用非线性优化来迭代求解移动机器人的最优位姿估计;针对优化过程中产生的大量计算量问题,采用滑动窗口算法和关键帧机制来限制计算量,同时利用边缘化处理来剔除系统的旧变量和相应观测值;最终定位系统输出移动机器人位姿和稀疏地图。（4）在公共数据集下对定位系统进行测试,从定性和定量两个方面对比分析了定位系统与其他两个主流定位系统;搭建了移动机器人实验平台,对搭载在移动机器人上的IMU和相机传感器进行标定,并在实际场景下分别测试对比了三个定位系统。数据集和实际场景下的实验结果都验证了本文提出的视觉惯导融合的移动机器人定位系统具有较好的鲁棒性和较高的定位精度。综上所述,本文对视觉惯导融合的移动机器人定位技术进行了研究,对定位系统前端数据关联、非线性优化和传感器数据融合展开了深入探讨,提出了强鲁棒、高精度的移动机器人定位方法并建立了移动机器人定位系统,提高了移动机器人的智能化水平。