激光雷达与惯性测量单元（Inertial Measurement Unit,IMU）是智能无人系统经常配备的两种传感器。激光雷达可提供高精度的测距信息,但其较低的数据输出频率无法满足载体快速运动状态下可靠定位的需求。IMU虽能够以较高频率输出线加速度与角速度测量值并据此持续估计载体位姿,但其作为内部传感器只能对短时间内的位姿进行准确估计。为了实现激光雷达和IMU的高效融合与优势互补,本文提出了一种基于B样条曲线的激光-惯性数据紧耦合位姿估计与地图构建方法,可有效提升时定位与地图构建（Simultaneous Localization and Mapping,SLAM）算法的精度和有效性。本文所实现的激光SLAM算法包含里程计与建图两个模块,其中里程计模块基于开源SLAM方案LIO-mapping实现,通过滑动窗口技术将IMU预积分与激光特征点匹配进行联合优化初步求解运动位姿。为将IMU高频测量约束引入建图模块,本文在建图模块中提出了一种基于B样条运动轨迹表述的激光-惯性数据紧耦合优化方法,以增加相邻待优化激光雷达位姿间的联系,并以里程计模块的位姿估计结果作为优化初值得到最终高精度位姿。基于B样条的轨迹优化问题具有较复杂的导数表达式,使用Ceres库的自动求导方式进行求解可以避免给出导数表达式,但其计算效率较差无法满足实时性能要求。因此,本文还推导了基于B样条的优化求解过程中激光残差导数的显示表达式,并配合Ceres库实现高效的优化求解过程。本文基于自研设备所采集的室内外环境数据集及牛津公开数据集对所提方法进行了测试,实验结果验证了所提方法生成的轨迹与建图精度优于已有的激光-惯性紧耦合方法LIO-mapping,且本文实现的解析求导方式的优化效率高于传统自动求导方式。