机器人同步定位与建图(Simultaneous Localization and Mapping,简称SLAM)是当前机器人和计算机视觉邻域热门研究话题,一些新兴技术如自动驾驶、增强/虚拟现实、服务机器人和无人机导航等对SLAM的需求越来越高。相机图像能够丰富的环境信息,而IMU能够提供传感器自运动信息;视觉SLAM对快速运动敏感,而IMU存在测量漂移;单目相机存在尺度模糊,而惯性传感器(Inertial Measurement Unit,简称为IMU)能够提供绝对的尺度信息。与此同时单目相机和IMU价格便宜且实用,通过单目相机和IMU融合,能够完美地实现SLAM解决方案。近些年视觉惯性SLAM(Visual-Inertial SLAM)取得卓越的研究成果,能够精确地估计机器人的状态和同时建立环境地图。但是这些都不能检测回环,不能重复使用地图,即使重复访问相同的场景,路径的估计误差也会不断的累计。本文我们提出了一种新颖的视觉惯性SLAM初始化方法,能够精确地计算出尺度、重力加速度方向、速度、陀螺仪和加速度的偏置。然后基于此初始化方法,我们提出了一种紧耦合的视觉惯性SLAM,能够回环检测和重复使用地图。通过试验结果验证,我们的视觉惯性SLAM算法尺度误差在2%以下,能够达到厘米级别的定位精度。相对于其他类型的视觉惯性SLAM,我们的视觉惯性SLAM能够回环检测和重复使用地图,重复访问相同的场景误差并不会累计。