近年来,随着计算机科学、传感器技术的高速发展,对高精度定位技术的需求也愈加凸显,如无人驾驶、物联网、无人机定位、增强现实等等应用都需要对载体自身的位置和姿态进行估计。视觉惯性融合导航系统以其出色的性能、低廉的成本和广泛的应用场景在众多定位技术中脱颖而出,成为了近几年来研究的热点。本文对视觉惯性导航的融合与标定方法进行研究,设计并实现了相关系统。本文主要研究了两种视觉惯性融合导航方法,一种是基于松耦合滤波的视觉惯性融合导航方法,采用扩展卡尔曼滤波(EKF)算法融合视觉和惯性信息,预测系统的状态;另一种是基于紧耦合非线性优化的视觉惯性融合导航方法,通过建立图像观测约束、惯性预测约束,迭代优化来获得系统的状态。本文的主要研究工作总结如下:首先,本文研究一种基于松耦合滤波的视觉惯性融合导航方法。该方法采用EKF融合视觉里程计前端和惯性信息,计算复杂度低,运行效率高,非常适合移动端智能设备的室内定位。本文实现了基于该方法的视觉惯性融合导航系统,并设计实验进行验证。其次,本文研究一种基于紧耦合非线性优化的视觉惯性融合导航方法,提出了一种鲁棒的系统初始化方法。本文实现了基于该方法的视觉惯性融合导航系统,并设计实验进行验证,能够达到相当高的定位精度,适合于对精度要求较高的场景。最后,本文建立了可靠的视觉惯性数据集,并创新性地提出了基于高精度动作捕获系统的惯性测量单元(IMU)的内参数标定方法。