定位和建图是自主无人系统执行智能化任务的重要保障,围绕定位和地图两个目标,即时定位与建图技术（Simultaneous Localization and Mapping,SLAM）[1]应运而生,旨在解决未知环境中移动机器人定位与地图感知难题。本论文重点研究面向户外场景下,基于视与激光的融合的即时定位与地图系统,主要贡献如下:（1）完成对激光和视觉传感器的外参标定。一方面,激光传感器具有探测距离远,能感知高精度的三维环境的优点,且不受光照强度的影响,但是测量数据相对稀疏;另一方面,视觉传感器能采集环境中丰富的纹理以及彩色信息,但缺乏深度信息,两种传感器的优势互补,因此,本论文通过标定配准三维激光深度信息与二维图像彩色信息,为后续移动机器人定位与地图创建提供数据支撑。（2）利用激光与视觉的观测特性分别实现了基于视觉和基于激光的两种位姿估计（定位）方法,为传感器的融合奠定基础;针对基于单种传感器定位精度较低、鲁棒性不高的问题,提出一个激光与视觉融合的高效紧耦合方法,通过基于两种传感器的观测共同优化机器人的状态向量;此外,将激光和视觉的历史观测添加到优化函数中为机器人的位姿估计提供更多有效的观测约束,以提升机器人位姿估计的精度和鲁棒性。实验证明传感器融合的方法有效地提高了机器人位姿估计的精度。（3）基于激光视觉融合的位姿估计存在积累误差,为了消除积累误差,采用闭环检测方法,通过点云降维的方法存储关键帧点云生成scan context矩阵减小了计算量,将最新帧的点云与存储的压缩点云矩阵进行匹配,成功实现稳健的闭环检测,并且构建全局的图优化目标函数,将历史关键帧所产生的约束与闭环约束共同参与优化,得到具有全局一致性的机器人位姿,实验证明闭环检测和全局优化有效地减小了积累误差,在轨迹精度上优于同样采用基于激光闭环检测方法的sclego-loam,并且利用该位姿进行大场景下的彩色三维建图。