近年来,机器人在人们日常生活中得到了广泛的应用,也发展得越来越智能化,但是在全球导航卫星系统（GNSS）受限的室内环境下,机器人的自主定位与导航功能受到了极大的挑战。基于多传感器信息融合的同步定位与地图构建（SLAM）技术成为解决此问题的重要研究方向之一,并且也受到了学术研究和工程应用人员的广泛关注。本文主要对室内场景下的多传感器信息融合定位与导航技术进行研究,提出并实现了两种融合方法。一种是基于紧耦合优化的视觉惯导融合定位算法,该方法实现了改进的ORB特征提取以及非线性优化的后端误差矫正;另一种是自适应视觉惯导与激光融合定位算法,通过设定视觉跟踪阈值,实现了视觉干扰环境下定位模式的自适应切换。主要研究内容包含以下几个方面:首先,根据机器人定位与导航的需求,建立了各种导航常用坐标系以及关联变换,分析了视觉相机、激光雷达以及IMU传感器的测量原理与误差模型,结合轮式差速驱动模型和机器人旋转动力学,建立了移动机器人的运动学模型。其次,针对室内场景中光照变化、特征缺失、障碍物遮挡等影响因素,机器人利用单一传感器数据信息,无法满足实时精准的定位要求。本文研究了多传感器信息融合框架,提出了改进的滑动窗口非线性优化算法,将视觉和IMU数据进行紧耦合融合,提高了室内机器人的定位精度。同时提出一种自适应的视觉/惯性组合导航融合激光雷达的定位模型,进一步提高了机器人对非结构化的复杂室内环境的感知和决策能力。最后,利用Gazebo仿真环境搭建了仿真实验场景以及机器人仿真模型。通过预测跟踪模型对仿真和实际机器人以及视觉无人机进行轨迹追踪,完成了纯视觉、视觉惯导融合以及视觉惯导激光融合实验,结合对比实验结果分析,验证了本文的多源异构传感器信息融合系统的有效性和可靠性。