在机器人技术中,视觉惯性传感器融合已成为最活跃的研究课题之一。基于优化的融合方法在鲁棒性和准确性方面已经超越了滤波器的方法。对于基于优化的视觉惯性即时定位与地图构建(SLAM),准确的初始化对于这种非线性系统至关重要,这需要准确估计初始状态(惯性测量单元,IMU)的偏差、尺度、重力和速度。因此,本文提出了一种更鲁棒性的初始化方法。首先,我们估计陀螺仪偏差,初始尺度和重力。然后,使用重力大小来通过最小化估计的重力矢量的切线空间上的误差状态来细化重力方向。通过分开估计加速度计偏差与重力。最后,针对条件约束和收敛过程,我们提出了一个鲁棒性的自动终止标准,以指示何时成功实现初始化。此外,我们使用所有初始估计值来初始化视觉惯性SLAM系统。使用公共EuRoC数据集的多个不同的序列测试我们的初始化方法,并在室内和室外环境中进行了实时手持设备的实验。实验结果证明了本文提出的初始状态估计和自动终止方法具备的良好性能,并且,本文优化的重力估计方法可以在短时间内快速收敛。