随着自动驾驶、AR（Augmented Reality）等领域的不断发展,感知定位技术作为其中至关重要的一环,成为学术研究与工程落地的热点,多机联合SLAM（Simultaneous Localization and Mapping）技术更因其在民用、军事等领域的重要性而成为热门话题。应用于SLAM系统的传感器往往存在各自的优点与局限性,但不同传感器之间往往具有互补性,因此多传感器融合SLAM技术逐渐成为主流。在多种不同的组合方式中,惯性传感单元（Inertial Measurement Unit,IMU）与相机所组成的视觉-惯性SLAM系统（Visual-Inertial System,VINS）因其高度的互补性与较小的落地成本而成为研究热点,并在移动机器人、UAV（Unmanned Aerial Vehicles）、VR（Virtual Reality）、AR等领域中得到广泛应用。然而,现有的VINS对于硬件的计算能力有较高的要求,难以在微小型设备上实现部署。此外,在其后端优化过程中,主流的舒尔补方法求解器的可并行执行空间较小,不易适应具备较强并行计算能力的嵌入式计算机。并且,若采用单精度浮点型,其在后端优化与边缘化中,因采用舒尔补（Schur Complement,SC）而不可避免的求逆过程易出现较大误差。本文提出并设计了一种基于零空间消元方法的多机联合SLAM系统,旨在解决并行计算能力利用率低、采用单精度浮点型不稳定、多机坐标系对齐困难等问题。首先,本文利用零空间消元的方法代替舒尔补操作,使得BA（Bundle Adjustment）问题中的减规模相机问题的构造高度可并行化,提高了嵌入式计算机的并行计算能力利用率。其次,零空间消元法可在后端优化与边缘化过程中避免对不定海森矩阵的求逆操作,在采用单精度浮点型时依旧能够保持稳定。最后,基于RGB-D深度点云与视觉-惯性系统构造的局部点云地图,本文通过三维点云配准实现坐标系对齐。同时,运用特征点检测、基于描述子的匹配与基于ICP模型的RANSAC方法为配准过程提供了可靠的初值。本文基于ROS环境在Euroc、modelnet40和KITTI数据集上对所提出的多机联合SLAM系统进行了测试,证明了其有效性与可靠性。