移动机器人实现自身的精确定位是其执行任务的前提条件之一。近年来,基于视觉信息的定位技术已成为移动机器人自主导航定位的重要研究课题,但是在图像特征不够丰富或者光照不好的情况下,会出现特征丢失的问题,从而造成方法的鲁棒性差。惯性测量单元（Inertial Measurement Unit,IMU）传感器不受光照的影响,在视觉传感器快速移动和图像特征缺失的情况下,依然能精确的输出测量结果,同时相比视觉传感器保持着高输出频率,因而在一定程度上弥补了视觉传感器的缺点。因此,基于IMU和视觉融合定位的视觉惯性里程计技术受到越来越多的重视和研究。对此,本文以视觉为基础,研究基于IMU和视觉融合的机器人定位技术,完成基于改进光流法的视觉惯性里程计的算法设计,并利用公开数据集及实际场景数据验证本文方法的有效性。首先,本文从前端设计到后端优化对视觉定位系统进行了阐述。在视觉定位系统的前端,通过分析FAST特征提取、不需要进行特征描述子计算的光流跟踪以及PnP的位姿解算等关键问题,明确光流跟踪的正确率是保证定位精度的重要因素。在视觉定位系统的后端,为了消除累计误差,重点研究回环检测和全局的位姿优化方法。其次,考虑到真实场景中,采集的图像难以保证亮度恒定、微小运动等条件,而常用的光流法在进行位姿估计时可能出现特征点跟踪失败、跟踪错误、甚至完全无法跟踪的问题,本文提出一种改进的光流法。通过多次迭代特征点跟踪以及建立图像金字塔来保证特征点的跟踪质量,采用基于CPU+CUDA混合加速的方式来提高算法的处理速度,从而使得改进后的光流法不仅能够提高光流跟踪的正确率,而且跟踪速度也得以提升。然后,引入IMU传感器,研究视觉与IMU紧耦合的融合定位方法。通过IMU预积分算法来处理其高频测量数据,以避免初始状态的改变造成IMU重复积分而耗费计算量。以VINS-Fusion算法为框架,建立紧耦合后端优化模型,并对重定位和全局位姿图优化的方法进行研究,分析验证定位算法的有效性。最后,基于搭建的移动机器人平台,开展了 IMU与双目相机的联合标定、室内外场景IMU和相机的融合定位实验。实验结果验证了本文定位算法的精确性、实时性和鲁棒性。