移动机器人需要保持环境认知与自身定位的基本能力,该能力可通过同时定位与建图(SLAM)技术实现。当前,激光雷达和相机作为机器人最常用的环境感知传感器,分别形成了激光雷达SLAM和视觉SLAM两种技术路线。其中激光雷达SLAM依靠高转速、高分辨率激光测距以获得足够的精度,视觉SLAM则在丰富的图像特征基础上拥有更大的优化空间。为充分利用激光和视觉各自优势,本文提出一种基于视觉与激光融合的SLAM系统。该系统基于Racecar无人车硬件平台,采用低成本传感器方案,包括单目全局快门相机、2D三角激光雷达以及惯性测量单元(IMU)。软件设计基于ROS机器人操作系统,遵循SLAM定位与建图需求,将相机与IMU通过紧耦合方式构成高精度视觉惯性里程计(VIO)以实现室内定位,将2D激光雷达扫描融合VIO定位数据进行扫描匹配以生成平面地图。依据SLAM系统定位与建图整体框架,系统整体分为VIO初始化模块、位姿估计模块、地图生成模块和全局优化模块。视觉与激光融合主要应用于VIO初始化和地图生成模块。在视觉惯性里程计初始化阶段引入激光匹配数据,将视觉图像SFM位姿估计、IMU位姿估计以及激光扫描匹配位姿估计对齐,分别进行视觉惯性里程计初始化和相机-激光雷达外参标定。在地图生成模块使用实时视觉惯性里程计数据作为激光雷达预估位姿进行激光点云扫描匹配。该系统在离线数据集以及Racecar无人车中的实验结果表明,基于视觉与激光融合的SLAM系统相较于仅使用单一激光雷达传感器或使用码盘里程计辅助的2D激光SLAM具有更高精度优势,在低成本传感器条件下可以良好的完成SLAM任务,输出较高精度的平面栅格地图。