随着计算机科学、传感器技术的迅速发展,室内服务机器人在人们的生活工作中占有越来越多的位置。多传感器融合导航及定位技术凭借其卓越的性能和广泛应用的场景,在许多定位技术中脱颖而出成为了近年来室内机器人导航定位领域的研究热点,具有重大的研究价值与实际意义。本文对基于视觉与其他传感器融合导航的若干关键技术进行研究,提出两种传感器融合技术并设计和实现相关系统。一种是基于紧耦合优化的双目视觉与惯性测量单元(inertial measurement unit,IMU)融合导航定位技术,该方法首先通过建立惯性预测约束、图像观测约束,然后对这些约束进行迭代优化来获得实时系统的状态;另一种是基于联邦滤波的视觉/惯性测量单元/3D激光雷达三传感器融合导航方法,通过将惯性测量单元分别与3D激光雷达和像机组合,形成两个子滤波器,对这两个子滤波器的局部最优结果进行融合,最终获得最优组合结果。本文主要研究成果总结如下:首先,研究了一种基于紧耦合优化的双目视觉与惯性测量单元融合导航技术,提出了一种改进的融合导航系统初始化方法。以这种方法为基础,实现了基于该方法的双目视觉与惯性测量单元融合导航定位系统,在室内环境下设计了实验进行验证,实验结果表明该系统能够达到较高的定位精度。对于精度要求较高的室内场景,该系统可以适用。其次,研究一种基于联邦滤波器的三传感器组合导航定位技术。主要分为三步:(1)根据室内实验场景的需求,选择了合适的视觉SLAM算法作为传感器融合算法的前端;(2)在尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法的技术上进行改进,提出了一种基于SIFT算法的三维点云特征提取方法。在此基础上,利用特征点参与初始配准快速获得初始值,使用该初始值对源点云进行微调,然后结合近邻迭代法(Iterative Closest Point,ICP)精细配准来提高配准精度和速度;(3)设计并实现了基于联邦滤波的三传感器组合导航定位框架,并设计实验进行验证。