同步定位与地图构建(Simultaneous Localization and Mapping)是计算机视觉和机器人导航领域中的核心技术。SLAM技术在机器人领域中被广泛应用,其目的是机器人在没有先验知识的情况下,能够根据传感器数据实时估计自身位置,同时构建环境地图。基于点特征的SLAM系统最近成为人们研究的重心,但在结构化环境中,线特征和点特征一样的丰富,本文提出基于点线特征的双目视觉惯性SLAM系统,目的在于融合点特征、线特征与IMU信息提高机器人的定位精度和鲁棒性。本文的主要研究内容如下:首先,本文搭建了双目IMU视觉惯性模组。根据SLAM硬件平台的实时性与同步性要求,从元件选型、电路图设计到整体框架对模组做一个整体介绍,同时对双目IMU视觉惯性模组的FPGA驱动设计和IMU数据采集驱动设计进行介绍,然后进行模组性能测试。其次,本文对线特征的提取、匹配与参数化方法进行研究。其中详细介绍了使用LSD方法提取图像中线段的原理和LBD描述子的生成方法,然后仔细分析了空间直线的普吕克表示方法以及正交表示法的原理、优缺点以及应用场景。然后,本文提出了基于点线特征的视觉惯性紧耦合优化算法。基于滑动窗口优化理论,提出了一种同时融合双目视觉约束(点特征和线特征)和IMU约束的方法,对优化目标函数即先验残差、IMU残差、点特征观测残差和线特征观测残差进行了详细推导,同时本文提出了一种关键帧筛选机制,分析了滑动窗口优化算法和边缘化原理。最后,本文搭建了基于点线特征的双目视觉惯性SLAM系统进行实验,包括硬件平台搭建和软件系统。在Eu Ro C数据集上与其他几种主流算法进行实验对比,验证了本文提出的基于点线特征的双目视觉惯性SLAM系统具有较高的定位精度和鲁棒性,同时在室外场景下进行实验测试,验证了本文搭建的硬件平台具有较高的稳定性与可靠性。