随着移动机器人的不断改进与智能化,基于多传感器融合的同时定位与建图（SLAM）系统尤其是基于视觉SLAM成为当下研究的重点领域。但是因为相机等视觉硬件存在一些问题,当移动机器人快速运动时,有部分图像纹理缺失或者部分特征信息缺失,会导致图像信息采集出现问题,特别是单目相机还会存在图像采集频率过低以及尺度不确定性等问题。惯性测量单元（IMU）是自身携带三轴加速度和角速度的一种运动传感器,两者能够为单目相机提供尺度信息以及位姿估计信息,但是单独的IMU又存在静态漂移的问题。所以将IMU和视觉SLAM相融合可以同时发挥相机和IMU传感器的优势,在机器人定位过程中提高SLAM系统的精度以及实时性。本文首先对目前现有视觉和IMU融合的SLAM系统进行仔细研究,提出了一种改进的惯导视觉相融合的SLAM系统。在视觉前端,针对FAST特征点容易缺失以及扎堆现象,将图像进行分块化,对每个方块中的FAST特征点进行固定阈值提取,再进行Shi-Tomasi评分,对提取的FAST特征点进行光流法跟踪。在跟踪的过程中,对出现的异值点,采用随机采样一致算法进行剔除。其次,针对视觉信息和IMU信息不同步问题,采用IMU预积分方式解决IMU频率和图像频率不一致问题。在视觉和IMU融合过程中,使用紧耦合的方式把IMU的预积分残差项和相机的重投影去建立约束,并采用一种新的阻尼更新的L-M非线性优化算法,可以减少计算迭代时间,提高系统的实时性。为了解决移动机器人运动过程中位姿信息累计误差问题,在传统的回环检测算法上提出感知哈希的算法,对比前一帧和后一帧的哈希序列,去判断是否回环。再对系统进行全局优化,消除累计误差。最后在Euroc标准数据集上,对本文设计的算法进行验证。实验结果表明本文能够提取到分布均匀的特征点且跟踪效果良好,机器人定位精度误差较小,整个系统实时性好。