针对单一传感器难以解决激光雷达在运动场景中因为点云畸变和误差累积产生的运动失真与定位精度差的问题，提出一种融合惯性测量单元数据和轮速计数据的激光雷达点云畸变矫正与定位方法。首先，以激光雷达数据为时刻基准，利用积分的方法对惯性测量单元和轮速计的数据进行预处理；之后，将融合数据与激光雷达数据融合，以矫正产生畸变的激光点云；最后，利用线性插值的方式来保证传感器间数据的时间同步，并将计算的位姿作为里程计迭代计算的初值，降低计算复杂度并提高里程计的定位精度。实验结果表明，相比没有采用多传感器融合的传统方案（LOAM、F-LOAM），在公开数据集实验中，所提方法的定位均方根误差分别降低了81.11%和21.54%，在自测数据集实验中，定位均方根误差分别降低了52.76%和24.29%。

针对传统视觉里程计中光流法定位精度差、特征点法耗时多的问题,提出一种融合光流法和特征匹配的视觉里程计模型。该模型融合了基于帧间优化的LK光流位姿估计和基于关键帧的光流/特征点位姿优化算法。针对传统参考帧/当前帧跟踪方式容易产生累积误差的问题,在光流法的基础上,通过引入局部优化算法对相机进行初步位姿估计;针对特征法中图像插入频率过高、耗时多的问题,在关键帧的基础上,通过构建光流/特征点统一损失函数进行相机位姿优化。在EuRoC数据集上进行了算法定位精度测试,结果表明,简单环境下所提算法与特征点法的定位精度相当;在特征点缺失情况下,所提算法的定位精度较特征点法有所提高,具有一定的鲁棒性。运行时间测试结果表明,在保证定位精度的基础上,所提算法的运行时间较特征点法减少了37.9%,具有一定的实时性。