惯性视觉里程计是通过惯性传感器和摄像机采集数据,利用加速度、角速度和图像等数据进行传感器载体的运动轨迹和姿态解算,并同时获取里程数据的一项技术。随着移动机器人技术热度的提升,关于惯性视觉里程计技术的研究与应用也受到重视。出于惯性视觉里程计的理论意义和实用价值,本文针对惯性视觉里程计中的跟踪与定位算法展开研究。论文主要工作和研究成果如下:首先,为了解决传统特征点匹配的低效性导致视觉里程计的实时性无法得到保证的问题,论文提出一种适用于SIFT特征描述子及其衍生描述子的特征点加速匹配算法。理论分析结果表明,该算法可以将原来匹配速度提升7倍以上。实际测试中,该算法对特征点的匹配速度提升率达到了原来2到4倍。大量的实验结果表明该算法的有效性和稳定性。其次,为了进一步提升惯性视觉里程计的实时性并解决已有方案中的平面失效问题,论文给出了平面失效问题的数学证明,分析了迭代式五点算法与基于线性方程求解法的经典五点算法的优缺点,并改进了一种基于五点法的迭代式摄像机姿态求解算法。改进后的算法通过重新选择坐标系建立极几何关系,减少了模型求解过程中所需的运算。实验数据表明,改进后的算法效率和抗噪声能力均优于经典的线程方程求解法。最后,论文给出一种基于松耦合方式的惯性数据和视觉数据的融合方法,并设计了一套用于演示的惯性视觉里程计系统原型。实验结果验证了该方法的正确性并证实松耦合数据融合方案的精度有限。