现今人类使用机器人取代工况条件恶劣、操作过程危险、高精度要求或是大量重复的机械性的工作,同时机器人也可从事一些因各种条件限制,人类无法完成的工作。机器人技术被大量应用到生产活动中的同时,由于计算机算力的极大提升,机器视觉技术也被越来越多地应用到机器人的开发和研究中。其中机器人的自主化是一个非常重要的研究方向,尤其是在未知的环境中机器人自我感知所处的环境并构建相应的地图,使机器人能够在未知环境下自主规划路径完成收放的巡航。但在实际的研究中,由于受单个传感器定位精度的影响,环境地图的构建不够准确,此时利用视觉传感器和惯性器件的融合可以有效的改善机器人的定位效果。因此本文将对基于信息融合的同时定位与建图(SLAM,Simultaneous Location and Mapping)技术和路径规划技术展开研究。本文首先研究了惯性测量单元(IMU,Inertial Measurement Unit)的原理,建立了导航系统的误差模型并进行了标定;然后建立了相机的成像小孔模型,通过棋盘标定确定了相机参数并完成了图像矫正,通过预处理降低了系统处理图像的运算量。其次研究了图像特征点的提取方法,使用随机采样一致算法(RANSAC)去除图像中存在的误匹像素点对。针对纯视觉SLAM在快速运动和特征点丢失等问题下会出现定位失败的情况,研究了视觉与惯导融合的定位算法,将IMU的预积分约束加入到SLAM的后端优化中,提高了定位的准确性和鲁棒性。最后利用激光雷达的测量信息构建环境地图,对比了贪心算法、Dijkstra算法和A*路径规划算法,在取得定位信息的条件下,通过实验比较了三种路径规划算法的规划路径,最后使用A*算法验证了系统的有效性。