在信息化智能化的今天,机器人技术已经逐渐走向成熟。一些服务机器人已经慢慢开始被大众所接受,进入到人们的工作生活当中。服务机器人大多数功能都是基于自主导航、路径规划和避障技术。而实现这些功能的前提是机器人在未知环境中对周围环境进行即时的定位与建图,即SLAM(simultaneous localization and mapping)技术。然而单独使用视觉传感器进行即时定位与建图时,往往不能在白墙、玻璃幕墙等特征纹理较少的室内环境中获得准确的视觉数据,从而很难获得准确的定位和地图。为了提高机器人在室内环境下的定位和地图精度,本文以双目相机和低精度惯性导航作为传感器,研究了将两种传感器信息进行融合的机器人SLAM算法,主要内容如下:视觉信息处理部分,首先通过对双目相机进行建模,推导出图像二维坐标与实际三维坐标的转换关系。接着对视觉图像提取ORB(oriented fast and rotated brief)特征点,并对双目相机间的特征点进行暴力匹配,对帧与帧图像之间的特征点进行FLANN(fast approximate nearest neighbor search library)快速匹配。然后使用随机抽样一致性算法将错误匹配的特征点进行剔除。最后通过图像匹配实验表明所有特征点可以正确的匹配。基于多状态约束卡尔曼滤波算法,使用惯性导航位姿积分值作为相机位姿估计值,并将多个相机历史位姿加入到滑动窗口中作为系统状态,利用视觉重投影误差作为系统的观测模型,对系统状态进行滤波更新,最终得到准确的相机位姿和地图,从而实现机器人实时的SLAM。针对单个惯性导航发生故障时会使整个系统无法运行的问题,设计了多惯导冗余算法。基于扩展卡尔曼滤波器算法,建立了多惯导的系统状态,利用惯导间位姿残差作为观测模型,对系统状态进行滤波更新。并建立了残差c~2故障检测函数来检测惯性导航是否故障。当主惯性导航出现故障时,辅助惯性导航可迅速替换故障的主惯性导航,使系统能继续运行。通过KITTI(Karlsruhe instiute of technology and toyota instiute)数据集测试和搭建实验平台在实际环境测试,对文本提出的SLAM算法进行实验。实验结果表明该SLAM算法的精度可以满足机器人的设计需要,并且在惯性导航故障时,系统能继续运行。