机器人的同步定位与建图对于在室内环境下工作的移动机器人来说相当重要,精确的同步定位是建立场景地图的基础,更是后续实现移动机器人对环境的感知和交互的先决条件。本课题主要研究了纯视觉信息下移动机器人的状态估计、相机与惯性测量单元的标定以及融合多传感器的移动机器人状态估计的优化三个问题。目的是通过选择适应课题需要的纯视觉状态估计方法、标定并获得精确的传感器数据和融合多传感器信息的状态估计优化,实现在室内环境下移动机器人的最优状态估计,获得更高的定位精度。本课题首先总结概述了课题中需要使用的相关数学工具和概念。分析了几种视觉信息检测和匹配的方法及其适用条件,探究了本课题最适用的视觉处理方法,针对视觉处理出现的误差,以误差处理算法剔除由误匹配造成的特征点。由双目视觉的深度已知特性,研究了基于纯视觉信息的状态估计算法。探究了在闭环场景下,累积误差的消除方法,对相似场景用词袋模型重识别,并提出了一种相似度计算和判定闭环的策略,实现了全局一致的闭环修正。其次针对课题所用传感器参数未知及数据输出中存在误差的未知情形,分别标定了双目相机和IMU参数。研究了针孔相机的投影模型,以非线性优化算法标定并得到了双目相机的各自内参数,分析了双目视觉测量深度的原理。分析了IMU中存在的误差与特性,探究了在静置状态下的加速度计和陀螺仪的零偏和噪声的标定算法。为获得多传感器间在空间上相互间的姿态信息,提出了基于线性变换方法的联合双目相机与IMU的姿态标定算法。此外本课题融合了IMU测量得到的运动状态和基于视觉信息估计的运动状态,以冗余信息量优化移动机器人的状态估计。对于IMU更新带来的计算重复性,探究了在连续时间内IMU预积分的算法。针对优化中存在计算资源消耗大的问题,探究了以滑动窗口限制计算量的策略,并提出了一套严格的滑动窗口内关键帧的筛选机制。确定了联合视觉信息、IMU信息和先验信息的状态估计优化算法。最后搭建了验证课题所需的硬件平台和软件平台,完成了对相机和IMU的标定,获得了相应的传感器参数。以移动机器人、双目惯性相机为实验对象在室内环境下测试了算法,计算并获得了移动机器人的实际定位精度。