近年来,无人系统的应用日益广泛,其作业任务与使用环境日益复杂多样,对定位与感知算法提出了更高的要求。同时,随着嵌入式硬件与传感器技术的不断发展,多传感器冗余已成为提高导航精度与可靠性的一种重要手段,而如何充分发挥各个传感器的优势,从而提升SLAM算法的精度和鲁棒性,也成为近年来的研究热点。视觉SLAM因结构简单、安装方便、成本低廉且具有语义信息,在无人驾驶、小型无人机导航等方面得到了良好的应用。激光SLAM可靠性高、技术成熟、精度高,并且能适应大尺度场景、建图直观。对此,本文综合视觉传感器与激光雷达的优点,研究并实现了基于多目视觉、3D激光雷达与惯性导航器件的融合SLAM算法。本文的主要工作包含以下几个部分:1.提出了一种基于多目环视视觉里程计构建方法。为了获得更大的视场角从而提升系统对环境的适应性,本文采用多路摄像头来构建视觉信息。为了快速初始化以及获得大的视场角,本文综合采用了单目相机与双目相机,构成围绕载体的环视视觉传感器方案。为了限制滑窗优化中特征的数量,同时也为了解决特征点差异问题,本文提出了基于深度滤波器(DF,Depth Filter)的深度优化及信息矩阵构建方法。2.在多目环视视觉惯性里程计(CVIO,Circular Visual-Inertial Odometry)的基础上,将激光雷达数据融合到CVIO关键帧中,结合点云数据对CVIO关键帧做进一步优化,从而提升里程计精度。采用基于视觉词袋的手段构建回环检测机制,提升回环检测的准确性。3.使用仿真数据集对算法的各个子模块性能进行验证分析。设计并搭建真实传感器平台,在真实环境下,验证了算法的准确性和鲁棒性。