导航技术在可移动机器人的发展过程中有着非常重要的作用,而可移动机器人导航的前提是对自己的移动过程进行定位。目前大部分定位技术需要有先验信息、提前布置场地,使用不灵活。因而如何在无先验信息的条件下准确、稳定地实现自身定位是目前亟待解决的问题。针对上述需求,本文对能够满足上述需求的视觉SLAM技术进行了研究。基于相机传感器的纯视觉对于短时快速运动的估计较差,IMU能够对短时快速运动估计做出响应,弥补了相机传感器的不足,而相机传感器反过来对IMU的漂移进行了校正。因此本文最终的研究对象为融合了视觉与惯性传感器信息的视觉惯性SLAM技术。本文研究的主要内容及具体工作如下:(1)针对视觉前端的特征点提取与关联算法进行了对比分析。在特征点提取上:针对opencv库中现有的ORB算法存在的提取特征点特征分布集中问题,选用了一种基于栅格分割的双阈值检测ORB算法。在特征点关联上:对比了多层光流跟踪法与ORB特征点匹配法的特征点关联效果,发现在相机旋转及平移稍微大一点的场景中特征点匹配法更为鲁棒、准确,故本文特征点关联算法选择特征点匹配法。(2)针对SLAM运行过程中存在移动物体或行人的情况,提出了基于二维像素运动补偿的兴趣域特征点提取方法,有效检测并剔除了动态物体或行人区域内的特征点,减少了移动物体或行人对系统的干扰,提升了系统的精度。(3)针对视觉里程计与惯性传感器的融合,在IMU预积分理论的基础上研究了视觉惯性里程计联合初始化及后端紧耦合非线性优化,并对现有的关键帧提取算法进行了改进,IMU信息的融入与改进关键帧算法的结合有效提升了旋转和少量运动模糊情况下的鲁棒性。(4)针对设计的基于双目视觉惯性里程计的SLAM算法进行了定位精度的验证。首先采用了公开数据集对所提算法和纯双目视觉SLAM算法进行了对比分析,分析得出了所提算法能够有效提升准确率和鲁棒性;其次采用相机搭载在可移动机器人上或手持相机的方式,进行了室内室外真实场景的定位效果验证,实验结果表明所提算法在室内室外的定位精度在可接受范围内。