移动机器人的室内定位技术是机器人领域的重点研究课题之一。由于在室内GPS信号会受到严重干扰,这导致了基于GPS的定位方式在移动机器人室内定位中无法得到广泛应用。因此,室内移动机器人通常利用激光传感器、视觉传感器、惯性测量单元(IMU)、轮式编码器等传感器辅助定位。其中,视觉传感器存在机器人运动过快时导致跟踪丢失,或是存在遮挡时导致数据无效等问题,IMU则可以估计快速运动,但存在长时间累计漂移等问题。因此,将两者数据进行融合估计,取长补短,可以有效提高机器人的室内定位精度。本论文的主要研究内容是将惯性与视觉信息进行融合,解决机器人室内定位的问题。具体研究内容如下:1.研究了视觉惯性定位系统的数学模型,其中包括坐标系定义以及位姿表示、相机的针孔成像模型、双目相机成像模型、相机畸变模型、非线性优化方法理论等内容,为后续章节的研究奠定了基础。2.研究了视觉定位技术。首先是视觉定位系统的组成以及其主要流程。其次是张氏相机标定法的基本原理,并对本文中所使用的双目相机进行标定,给出标定结果。提出了一种改进Harris的特征提取与特征匹配算法。通过实验给出特征提取以及匹配的效果图以及视觉里程计的运行结果。3.研究了融合视觉与惯性的定位技术。包括视觉惯性系统的整体框架,在VINS-Mono的基础上提出了基于优化的双目视觉惯性紧耦合算法。首先,推导了IMU预积分的表达式。其次,推导了视觉惯性系统初始化参数的估计原理。最后,目标函数,残差项的推导以及目标函数关于各个待优化变量增量导数的推导。4.搭建视觉惯性系统所需的软件与硬件平台并进行实验分析。首先,实验的硬件平台组成,包括传感器、处理器等。其次,软件测试平台的组成,包括ROS平台的搭建以及常用功能的使用。最后,进行实验验证与分析,实验包括两部分:Eu Roc数据集测试以及实际场景硬件实验。经过仿真与实际平台验证了融合算法可靠性与准确性。