视觉同时定位与地图构建(SLAM)的研究是目前移动机器人在未知环境中实现自主导航与自主控制的关键。然而，视觉传感器在特征缺失、动态场景及运动速度过快等情况容易失效的缺点与惯性测量单元(IMU)高速率的测量传感器自身角速度和加速度的优势具有明显的互补性，有潜力构建出鲁棒性更强的SLAM系统。基于此，本文研究了融合IMU信息的视觉惯性SLAM系统，主要内容包括以下部分：
　　首先，概述视觉SLAM及视觉惯性SLAM技术背景和发展现状，分析了相机和IMU传感器模型建立与位姿表示方法，对SLAM系统进行数学表达，并介绍了非线性优化的SLAM问题求解方法，为构建视觉惯性SLAM系统提供了理论基础。
　　其次，重点研究了融合IMU的视觉惯性SLAM系统框架，由数据预处理，初始化，基于紧耦合的非线性优化，回环检测4个模块组成。传感器数据预处理部分，着重介绍了IMU预积分；通过视觉与IMU联合初始化获得系统的初始参数；用因子图分别表示视觉惯性SLAM松耦合和紧耦合图优化问题；基于词袋模型进行回环检测。
　　再次，为了限制计算的复杂性，本文对先验信息矩阵稀疏化进行了探讨。本文首先介绍了状态量的边缘化及舒尔补；接着介绍滑动窗口更新策略；然后针对关键帧更新策略利用马尔可夫毯找到特定非线性因子，利用最小化相对熵恢复先验信息矩阵的稀疏性，来降低系统的计算复杂度；最后在EuRoC数据集上对算法进行验证。
　　最后，本文研究了李群元素表示IMU预积分状态量的算法。首先推导状态传播模型；然后，由相对运动增量提取噪声项，推导含噪声项的状态传播模型，求解位姿更新和雅克比矩阵；最后，针对IMU测量值存在偏差问题，使用一阶泰勒近似来进行校正，并计算得到更新模型；并在EuRoC数据集对本文算法进行验证。