为了解决纯视觉SLAM算法无法在弱纹理、特征点缺失等场景中维持良好的鲁棒性,提出一种视觉传感器与惯性器件紧耦合的策略。即在视觉信息缺失的情况下,可通过惯性器件提供位置和姿态信息,避免误差的大量累积。在SLAM算法后端优化中,将全局位姿信息与视觉重投影误差、惯性元件残差和边缘化误差一起进行非线性优化,增加后端的约束条件。在公开数据集Eu Ro C上的实验结果表明,相较于其他方法,该算法的定位精度得到了提升,且具有良好的稳定性和实用性。