近几年,移动机器人技术发展迅速,并在工业、农业、军事等领域得到广泛应用。机器人精确的位姿估计是实现自主导航和智能控制的基础,也是该领域研究的热点问题之一。视觉传感器和惯导良好的信息互补性,使得基于视觉惯导融合的位姿估计成为当前机器人导航的主流。如何有效融合视觉和惯导信息来获得更高的定位精度,是该领域面临的主要挑战之一,具有重要的研究价值和意义。为有效传递估计系统的不确定性,同时降低系统的非线性化误差,本文对李群空间下的视觉-惯导融合定位算法进行了研究,通过构建高维李群矩阵来描述系统的不确定性,采用紧耦合的滤波方法实现视觉和惯导信息进行融合,最终完成视觉惯导融合精确定位。本文主要从三方面进行了研究:首先,介绍了几种姿态解算的方法和相互之间的转换关系,概述了惯性导航系统的组成及相关原理。在惯性导航系统部分,分析说明了IMU模型和IMU预积分算法,为后续的研究奠定了基础。其次,本文分析了系统几种坐标系之间的转换关系,完成了相机和惯导的标定。文章采用张正友棋盘标定的方法实现相机标定,获得了相机的内外参数;采用四元数法实现摄像机-惯导的联合标定,并通过实验对算法进行了验证。最后,本文详细阐述了李群空间下的视觉惯导融合定位算法,提出了迭代卡尔曼滤波与不变卡尔曼滤波相结合的I-IEKF滤波算法。该算法采用高维李群来构建系统状态变量,在不变卡尔曼滤波基础上采用迭代方法进一步降低了系统的非线性误差,达到提高位姿估计精度的目的。本文详细描述了算法过程,同时在EuRoc数据集对算法性能进行了验证,结果证明提出算法在提高视觉惯导融合位姿估计精度方面是有效的。