随着人工智能技术的迅速发展和社会各行业的需求,能够自主移动导航和避障的机器人受到了人们的广泛关注以及使用。即时定位与建图(Simultaneous Localization and Mapping,SLAM)是自主移动机器人核心技术之一,研究SLAM技术对于机器人的发展和应用具有重要意义。视觉传感器因其高性价比及其丰富的图像信息,在室内移动机器人领域得到广泛使用。但基于纯视觉的SLAM过于依赖周围环境条件,不能处理纹理特征缺失的场景和动态场景,受光照的影响严重,普通相机由于帧率低而不能够应对载体快速移动的情形。而惯性测量单元(Inertial Measurement Unit,IMU)能够实时测得载体的加速度及角速度,与相机具有较好的互补性。基于此,本文提出一种基于双目视觉和IMU融合的视觉惯导SLAM系统。研究了基于双目视觉和IMU的视觉惯导SLAM系统前端数据预处理与后端优化。对于前端,相机采用FAST特征提取并采用光流法来跟踪特征,IMU基于预积分理论基础,求解出传感器的速度,位移,位姿以及IMU的偏置以供后端优化。后端构建一个基于滑动窗口的非线性优化系统,并采用紧耦合的方式融合相机与IMU的信息,将它们的误差项同时优化。增加了基于词袋模型的回环检测与全局优化以此构建一个完整的SLAM系统,提高系统的精确性,减少累计误差。此外,该视觉惯导SLAM实现了输出构建的地图,并利用该地图进行重定位的功能。对搭建的双目视觉惯导SLAM系统进行了实验,利用小觅相机在实际环境中运行,证明了该方案的可行性与有效性。对系统的绝对位姿误差以及系统运行时间做了分析,并与视觉惯性方案OKVIS进行了实验对比。结果表明,本文所提出的系统精度要略优于OKVIS方法,具有较好的实时性和鲁棒性。