目前,各类移动机器人在医疗、抢险救灾、娱乐、服务、农业等领域的应用随处可见,人们希望机器人在完成复杂任务的同时也能保证完成任务的准确性,因此,与移动机器人相关的理论技术得到了热烈的关注。移动机器人能准确估计自身位置姿态是实现路径规划、自动避障等上层任务的前提条件,也是最重要的环节。所以,视觉导航定位成为机器人领域的研究热点之一,视觉导航有两种常用解决办法,即视觉里程计(Visual Odometry,VO)和视觉SLAM(Simultaneous Location and Mapping,SLAM)。学术界和工业领域已经对基于视觉的机器人定位技术投入了大量的精力,该技术在具有光明前景的自动驾驶、增强/虚拟现实等领域起着至关重要的作用。本文以无标签和无传感器部署的场景中实现移动机器人准确定位为目标,针对双目视觉里程计和视觉-惯导里程计(Visual Inertial Odometry,VIO)定位算法进行研究,致力于提升定位精度。首先设计了双目视觉里程计系统,其中针对基本特征点匹配算法易出现误匹配现象,提出一种结合双向光流法的特征点环形匹配算法,该算法不仅能剔除掉误匹配特征点,保留不易受环境影响的特征点,并且能使特征点均匀分布于图像上。采用基于3D-2D点解算位姿并结合RANSAC(Random Sample Consensus)算法去除误差较大的外点,得到初始位姿估计结果,再利用g2o(General Graph Optimization)库对位姿估计结果进一步优化。通过数据集进行算法实验,验证了相比于基本特征点匹配算法,采用结合双向光流法的特征点环形匹配算法有效减少了误匹配特征点,提高了定位精度。针对在特征点少、光照变化明显、运动速度快等环境中跟丢特征点导致定位不准确的问题,本文还设计了一种基于滤波的视觉-惯导里程计系统。在双目VO的算法验证中,已经证明了本文提出的结合双向光流法的特征点环形匹配算法在定位精度方面具有优越性,因此将该算法直接应用到VIO视觉前端中。推导了IMU(Inertial Measurement Unit)运动学方程,对IMU进行数学建模,以视觉信息修正IMU位姿解算的方式进行组合导航定位,构建了基于多状态约束卡尔曼滤波的视觉-惯导里程计紧组合系统。利用数据集对算法精度做出评估,验证了视觉-惯导里程计比视觉里程计定位精度高。本文最后利用实测数据对算法进行实验验证,采用带IMU的小觅双目相机采集数据,通过ROS(Robot Operating System)通信机制将小觅相机采集的图像信息和IMU信息传入视觉-惯导里程计系统,基于实测数据的实验和仿真结果表明视觉-惯导里程计系统比视觉里程计系统定位精度更高,并且证明了在实测数据场景下视觉里程计和视觉-惯导里程计方案可行,算法能稳定运行。