实时定位与建图(Simultaneous Localization and Mapping,SLAM)指的是利用各种外部信息来确定环境中机器人的位置,同时能够建立环境的地图。视觉SLAM是目前比较成熟的一项技术,但因为环境的复杂性,单一视觉传感器已经逐渐难以满足要求。而使用低成本的惯性传感器(Inertial Measurement Unit,IMU)辅助单一的视觉传感器进行SLAM,组成一个视觉惯性SLAM(Visual-Inertial SLAM,VI-SLAM)可以有效弥补视觉传感器的缺点。首先,本文研究了SLAM系统中视觉信息测量与处理的手段,详细研究了相机模型,点特征提取算法,线特征提取算法和线特征的参数化模型,从而利用这些特征进行帧间特征匹配,构造相机残差函数以得到相机初始估计的位姿,并介绍了词袋模型和回环检测的设计初衷和过程。其次,本文研究了IMU的信息测量与处理手段,包括IMU的噪声模型和运动学模型,详细叙述了如何利用IMU的预积分理论构造IMU残差函数,推导了IMU噪声方差传播的过程,以用于后端优化。接着,对视觉和IMU融合的过程进行细致地叙述,推导并给出视觉惯性系统联合初始化的方法,介绍了系统后端优化中的几个线程,包括非线性优化算法和回环校正的基本原理。最后,在Euroc标准数据集上,对本文设计算法进行验证,与其他主流算法进行对比分析。