随着人工智能水平的不断提高,具有自主导航能力的室外移动机器人在工厂物流、园区巡检、快递配送等领域得到日益广泛的应用,同时定位与建图（Simultaneous Localization and Mapping,SLAM）技术是移动机器人应用中的基础技术之一。复杂多变的室外工作环境对SLAM算法的效率、精度及鲁棒性等提出了更高的要求,使用单一传感器的SLAM技术已经无法满足应用需求。本文研究一种基于激光雷达与IMU融合的室外移动机器人SLAM系统,解决单一传感器的SLAM算法精度低、鲁棒性差的问题,对提高室外环境下自主移动机器人定位与建图精度和智能化水平具有重要的理论意义和应用价值。本文的主要研究内容如下:基于室外移动机器人同时定位与建图系统的功能需求,搭建试验平台。设计机器人软硬件系统,对激光雷达、IMU、车载工控机等硬件进行合理选型,在ROS环境下设计包括传感器驱动模块、前端里程计模块以及后端优化与建图模块在内的软件系统。构建基于3D激光雷达与IMU融合的SLAM算法框架,将其分为前端里程计与后端优化。针对激光里程计在室外环境中定位精度较低、鲁棒性较差的问题,设计一种基于3D激光雷达与IMU融合的前端里程计。针对不同传感器坐标系不统一的问题,采用手眼标定原理标定坐标系外参,结合时间近似同步,实现传感器在时间与空间上的对齐。提出利用IMU数据辅助雷达进行点云畸变矫正。根据曲率及光强信息从原始点云中提取有效特征点,确定关键帧的选取策略并建立了局部地图,联合激光特征信息与IMU测量数据实现局部位姿的实时估计。利用试验平台在校园内进行测试,试验结果表明,前端里程计算法的距离误差为ALOAM算法的33.97%,每帧点云处理时间为71.87 ms,能够实时估计机器人位姿。针对前端里程计在长距离移动后位姿的累积误差难以消除的问题,设计一种基于回环检测的全局位姿优化与建图算法。采用基于Scan Context点云描述子的回环检测算法,设计回环结果一致性的验证方法,建立室外大场景下的全局数据关联。设计前端里程计约束因子及回环约束因子,基于因子图优化框架实现全局位姿优化。在前端里程计的基础上,进一步提高关键帧定位精度和全局地图一致性。试验结果表明,本文SLAM系统能对全局位姿进行有效优化,优化后的终点距离误差为0.683m,相比前端里程计降低了 74.5%,点云地图具有全局一致性。