近年来,即时定位与建图（Simultaneous Localization and Mapping,SLAM）技术逐渐成为室内导航领域中的热点。而大多数的视觉SLAM系统前端是基于点特征匹配,因此在弱纹理区域、光照变化或帧间运动过大的室内场景中由于无法提取足够的点特征导致匹配失败。然而在室内等人造场景中,存在大量的线特征可供提取,可与点特征形成互补。另外,视觉SLAM系统在帧间运动过快时存在位姿漂移的现象,而IMU传感器可采集载体自身运动的三轴角速度和加速度等数据,这些数据与视觉SLAM系统融合后将会形成优势互补,既能对慢速移动时丰富的视觉特征采集,又能解决快速移动时的位姿漂移问题。综上所述优势,本文基于视觉与IMU数据紧耦合的优化框架,提出一种基于IMU与视觉点线特征融合的移动AGV自定位算法,可用于复杂环境中移动机器人的自定位,本文的主要工作体现在以下方面:1)针对室内环境下采集的图像数据具有弱纹理特点,采用图像线特征作为图像点特征的补充进行特征匹配,基于四叉树理论对ORB特征点的提取过程进行改进,应用LSD算法提取线特征,并在特征匹配阶段采用端点与普吕克坐标的形式来描述线特征。后端优化过程中则以正交表示来描述线特征,提高优化效率。2)针对纯视觉SLAM系统在相机运动过快时的跟丢问题,通过建立IMU运动学模型引入IMU数据,由IMU预积分理论并应用龙格-库塔法对IMU数据进行预积分引入IMU残差约束,并以点特征残差、线特征残差、IMU残差紧耦合对帧间运动位姿进行优化,同时在初始阶段分别对视觉信息与IMU信息进行最大后验概率估计以确定最优初始状态。3)研究并实现了基于IMU与视觉点线特征融合的移动AGV自定位算法,对算法前端位姿估计及后端优化中的各部分进行设计实现,包括多线程分配、帧间特征匹配、局部地图构建,以及地图管理与维护等部分。实验表明,该系统具有良好的鲁棒性与稳定性。