基于移动机器人的场景三维重建和重定位是后续路径规划、导航及跟踪问题的重要基础,其中高效构建高精度且鲁棒的全局离线地图至关重要。无论是工业界还是学界,利用双目相机提供的冗余观测,可以极大地提升视觉里程计的可靠性和精度。尽管视觉里程计相对于过往取得了不少进步,但是在视觉离线建图和视觉重定位这两个领域中,现有业内的开源方案并没有充分发挥多传感器的优势,这导致了场景构图不准确,重定位不够鲁棒。因此基于视觉为主的导航方案离实际实用依然有一段距离。本文针对基于双目传感器,结合移动机器人场景中的稀疏三维重建和视觉重定位两类任务,做了如下工作:第一,在有视觉里程计姿态估计的情况下,为了消除视觉里程计的累积误差,本文提出基于双目和惯性传感器的融合建图算法。该算法利用了本文提出基于随机一致性采样的三角化从而能够得到更好的点云估计。为了结合多传感器信息,本文在原有的视觉因子的约束下,额外利用视觉里程计结果和重力加速度方向提供多传感器约束,有效地解决了纯视觉约束下建图失败的问题。第二,在没有视觉里程计姿态估计结果的情况下,为了解决增量式建图方法中位姿漂移的问题,本文充分利用双目约束,提供了一套完整的建图算法。该算法使用了本文提供的初始地图构建环节,并且在后端约束上紧密耦合双目约束,实验效果表明,该算法有效地解决增量式建图中姿态漂移的问题,能够提供更高效鲁棒的建图结果。第三,为了解决已知场景中的全局定位问题,本文利用前面建图的结果,提出了基于双目视觉的视觉定位方案。该方案充分利用普朗克参数化线的表现方式,对于非中心化的相机模型有统一的数学表示形式,从而能够形成对多目相机全局定位问题进行扩展。实验效果表明,该算法能够充分利用多相机的优势,在建好地图的场景中,通过当前双目相机的视觉纹理进行全局定位。最后,论文所提出的算法测试了多个数据集,这其中包括了自采数据集,含有多类场景公开数据集。所提出的算法在这些数据集上达到了良好的效果和精度,对比目前开源的算法,本论文所提出的方案具有更强的鲁棒性和业界前沿的精度。除此之外,为了更进一步分析算法的中间结果,本论文同时也制作了图形用户界面,在满足用户操作的同时更能分析中间数据。