同步定位与地图构建技术是室内智能移动机器人的关键技术之一,基于视觉惯性数据融合的组合导航定位与语义重建技术是当前智能移动机器人领域的重点研究方向。为满足当前移动机器人定位和对环境的感知等需求,针对惯性导航系统定位误差会随着时间漂移、视觉导航系统易受环境因素影响、传统的点云三维重建缺乏对场景的理解等一系列问题开展关于视觉惯性数据紧组合定位和语义重建技术研究,旨在解决室内智能移动机器人定位和三维点云重建问题。本文通过双目相机结合惯性测量单元完成室内场景下的机器人定位与语义点云重建算法。本文的主要研究工作内容如下:（1）针对室内智能移动机器人定位问题,本文使用了基于双目相机和惯性导航结合的组合导航定位算法,并给出了基于扩展卡尔曼滤波器的滤波式融合定位算法和基于因子图优化的优化式融合定位算法。（2）针对经典基于扩展卡尔曼滤波器的视觉惯性组合导航算法,分析了该算法存在的数值稳定性等问题,并提出了基于IMU预积分封闭解的IMU数据预处理算法,该算法通过对IMU预积分求解封闭解取代传统的中值积分解,能有效地提高算法的精度。本文还提出了基于逆深度参数化的相机观测方程表示法,该算法通过将相机观测方程中空间三维点坐标参数化,能有效解决当相机坐标系下三维空间点z轴趋近于0时存在的奇异性问题,提高了算法的数值稳定性,并通过数据集仿真实验验证了该算法相对于经典算法的稳定性和性能优势。（3）针对传统基于非线性优化的视觉惯性组合导航算法,阐述了因子图理论以及优化函数的推导,通过数据集实验验证了因子图优化算法相对于传统优化算法在定位精度上的优势,并通过计算算法的CPU消耗和内存消耗,验证了因子图优化算法在性能和系统消耗上的优势。（4）针对室内场景语义点云三维重建算法,本文通过结合Mask R-CNN语义分割网络和点云体素聚类算法对场景进行点云三维重建。算法首先通过深度图像和RGB图像以及相机的位姿构建场景的三维点云,同时对RGB图像进行语义分割,获得图像的语义标签,然后将三维点云通过超体素聚类的方式对点云进行分割,最后将二维语义标签映射到三维点云中,获得全局一致的语义点云重建。（5）搭建了智能移动机器人样机实验平台,并且通过样机软硬件实现了基于IMU预积分封闭解的视觉惯性组合定位算法和基于因子图优化的视觉惯性组合定位算法。基于样机平台,设计了多组定位实验验证了本文算法的有效性和效果,包括室内直线运动实验、绝对轨迹误差定位实验、曲线实验和长时间长距离定位实验。并且通过实物相机录制数据,通过两种不同的真实场景验证了本文语义点云重建算法的有效性。