随着现代科技的飞速发展,高科技产品不断地走进人们的视线,其中机器人一直被人们高度关注,其代表着人类科技的最高成果。机器人中的一个重要组成便是移动机器人,其应用场景也在逐渐变多。在移动机器人所涉及的关键技术中,一个亟需解决的重要问题便是机器人的定位。其中,在GPS信号弱甚至无GPS的环境下,实现移动机器人的自主定位建图便是机器人工程中的SLAM问题。由于视觉SLAM采用的传感器成本较低、获取信息方便、低功率以及获取数据信息丰富等特点,已成为目前研究的热点。本文首先对基于视觉的SLAM研究目的和意义进行了分析,对目前主流的各种视觉SLAM研究方案进行了介绍,通过研究分析,采用基于ORB特征的双目视觉SLAM方法。其次,本文研究了关于视觉SLAM的基本理论。阐述了相机成像模型的相关理论基础,其中主要介绍了关于相机的坐标系统,常见的针孔相机及其模型以及相机成像时产生的畸变问题。针对相机在三维空间中的运动,本文介绍了几种常用的相机姿态的表示方法以及它们之间的互相转换。针对视觉SLAM前端特征匹配中存在误匹配以及传统的误匹配剔除方法迭代次数不稳定的问题,本文提出了改进的误匹配剔除算法。通过改进的算法,保证了相机特征匹配的准确性,根据精确的特征匹配便可以得到更准确的相机位姿。然后,对运动估计得到的相机位姿进行非线性优化。介绍了目前常用的几种非线性优化方法,即Gauss-Newton法和Levenberg-Marquadt法,分析了它们之间的区别。为了解决纯视觉SLAM在相机运动过快或相机运行环境特征不足时无法稳定工作的问题,本文提出双目视觉融合IMU信息的室内定位算法。对目前紧耦合和松耦合的视觉和IMU的融合方法进行了对比分析,采用了紧耦合的融合方法对IMU信息进行融合。针对IMU信息与视觉信息采样频率不一致的问题,本文采用预积分的方法对IMU信息进行处理,同时建立加速度计和陀螺仪噪声模型,通过对IMU误差传播的分析和随机游走bias的分析,为视觉和IMU的融合提供先决条件。为了评估本文提出的算法的有效性,本文首先对实验所使用的双目立体相机进行标定,根据得到的相机内参对相机和IMU进行联合标定。随后设计使用完成标定的相机搭建实验所需的软硬件平台进行室内机器人定位实验,进行优化后的误匹配剔除算法实验和视觉融合IMU算法实验。实验结果表明,优化后的特征匹配算法优于的传统的算法,在实际走廊环境下的机器人定位实验中,本文改进算法提取的周围环境关键帧和路标点数量均大于传统算法。视觉融合IMU算法在环境特征不丰富以及机器人高速运动时的定位精度均大于纯视觉定位时的精度。