随着人工智能与传感器技术的不断发展,现代人类生活越来越离不开智能机器人。小到家中的扫地机器人,大到军事防御的战斗机器人,它们不仅在人们的日常生活中扮演者重要角色,也是国家军事力量的体现。对于一般的机器人来说,移动是最为基本的操作,在探索与救援任务中,定位与导航一直是其能力的核心所在,而本文的目的便是通过融合IMU（Inertial measurement unit,惯性测量单元）数据与双目相机图像,实现机器人准确、实时的定位功能。机器人定位一般使用GPS、激光雷达和局域网络信号强度等信息,近年来一种基于图像的机器人定位系统热度不断上升,也是目前能够让机器人在未知环境下定位的方法之一,这种基于图像的定位方法又被称为VSLAM（Visual Simultaneous Localization and Mapping,视觉同时定位与地图构建）。VSLAM能够在室内与室外两种环境下使用,它克服了GPS由于导航卫星信号弱而定位不准确的缺点,同时能够将周围环境以点云图的方式呈现,这对于机器人发展有着重大的意义。因此,本文主要工作与成果如下:1.通过使用ORB特征点法完成视觉里程计的设计。其中主要优化了特征点的提取,通过非极大值抑制方法完成特征点的均匀分布,并且通过自适应距离检测方法完成特征点远点与近点的分类操作,对深度值小的近点计算得到的旋转矩阵给出更高的权重,而对远点将更加注重图像的平移数值,从而提高了视觉里程计的鲁棒性。2.通过使用IMU预积分操作完成视觉与IMU融合的SLAM系统。本文的目的在于如何融合IMU数据与视觉里程计数据,增加机器人定位系统的鲁棒性。因此本文结合港科大的VINS-Mono系统,分析IMU的噪声模型和运动模型,并推导误差传播方式,求解噪声传播方程,接着通过IMU的预积分操作进行IMU数据的更新,最后融合视觉里程计数据,完成整个定位系统。3.使用回环检测与词袋模型,对视觉与IMU融合SLAM系统进行后端优化,并通过ORB特征点建立稀疏三维点云地图,完善整个SLAM系统功能,提高整个系统的鲁棒性。最终,通过Eu Ro C测试数据集对整个系统进行评定,结果表明在特征点丢失的情况下,系统能够通过IMU数据进行相机的定位,达到了实时定位的目的。