随着人工智能、计算机视觉以及大数据等新兴技术的迅猛发展,极大的推动了移动机器人技术与目标检测技术步入人们的生活,使得人们的生活向着智能社会迈进。移动机器人SLAM技术与目标检测技术作为实现完全智能移动机器人的核心关键技术,将会对移动安防、机器人服务、快递以及安检领域提供重要的技术支持,未来具有广阔的市场前景。本文就单目视觉惯导SLAM技术中视觉与IMU信息的融合,以及定位系统的关键技术和人体检测技术中复杂背景、遮挡与小目标等难题进行了研究,不但设计了一种在特征缺少环境下兼具稳健性和鲁棒性的单目视觉惯导SLAM系统,还设计了新的卷积模块和基础网络,使得本文检测网络对人体和头部的检测性能显著提升。本文的主要研究工作及创新如下:(1)对移动机器人SLAM系统的相机和IMU传感器的原理和模型进行了相关分析和推导,搭建了可以工作在特征缺少环境下的单目视觉惯导SLAM系统,并对其每个模块进行了详细介绍,改进了回环检测模块的词袋库模型,制作了专属数据集,通过专属数据集验证了本文设计的单目视觉惯导SLAM系统的稳定性和鲁棒性。(2)对目标检测技术方法和基础知识进行了分析和阐述,对R-CNN和YOLO系列算法分别从技术手段、网络结构和算法流程进行了全面的分析,并从网络结构、检测效果以及推行性能方面进行了实验验证与对比,为后续人体和头部检测网络的选择和改进提供了充分依据。(3)对人体和头部的检测提出了新的检测方案,制作了本文的专属数据集,提出了一种新型的卷积模块,基于新型卷积模块进行了基础网络的结构设计,为了保持网络输出特征的高分辨率信息进行了网络输出模式设计,设计了预训练权重实验证明了特征丰富的预训练可以有效提高网络的泛化性能,数据扩充实验证明了颜色抖动和数据风格化策略对检测效果有明显的提升,模型实验证明了提出的IIHNet网络具有优异的检测效果,检测效果与推理实验证明了IIHNet网络不但具有优异的检测性能,而且它的推理性能也有明显提高。