同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）突破了广义信号源在复杂多变的室内环境中定位精度低的问题,成为移动机器人室内定位导航领域的关键技术。当前,视觉SLAM相比激光SLAM具有成本低廉、数据信息丰富等优点,但纯视觉的SLAM在快速运动和低纹理场景中定位精度低。因此,本文针对高精导航地图构建问题,研究视觉相机和惯性测量单元（Inertial measurement unit,IMU）融合的 SLAM（SLAM integrating vision and IMU,VI-SLAM）技术,主要工作和创新点如下:1、针对光流法的VI-SLAM系统中自动曝光相机受光照影响导致跟踪失败的问题,提出一种光度标定算法,通过优化相机的曝光参数校正图像亮度值。实验结果表明,经过光度标定后的VI-SLAM系统的前端跟踪和定位精度得到显著的提升。2、针对纯视觉的SLAM存在快速运动和低纹理时易丢失特征信息的问题,提出一种全新的RGB-D视觉与IMU紧耦合的VI-SLAM算法,利用标定后IMU的姿态信息,补偿校正后视觉的位姿数据。实验结果表明,融合后的VI-SLAM能适应各种复杂的室内环境。3、针对机器人室内导航需要半稠密地图的问题,提出一种高精度地图生成算法。首先对VI-SLAM生成的三维稀疏点云地图的位姿信息和路标点数据计算加权和,得到三维半稠密点云地图;再使用概率八叉树将其转化为三维栅格地图;出于硬件资源和运行效率的考虑,更进一步优化生成二维地图。通过实验验证了算法的可行性。论文在英特尔MISO硬件控制平台和ROS机器人操作系统的基础上,完成整个VI-SLAM系统的实验平台搭建,并在该平台上设计并实现包括光度参数标定、视觉和IMU融合、导航地图转换、路径规划等功能。通过实验验证了本文所述工作的可操作性和系统完整度,为移动机器人室内自主导航奠定基础。