机器人的自主运动能力作为最基础、最根本的功能,是完成其它任务的前提条件,也是实现自动化、智能化的基础。实时定位与建图（Simultaneous Localization And Mapping,SLAM）是实现机器人自主运动的基础性与决定性技术。在实时定位与建图中,仅使用单一的传感器进行实时定位时,往往存在一定的限制条件,无法满足精确状态估计的要求。本文主要围绕基于多传感器信息融合实时定位的问题展开,提出了视觉惯性激光实时定位系统,实现高精度实时定位与建图的功能。首先,研究了基于视觉惯性实时定位算法。采用基于视觉特征ORB算法进行特征提取,同时,结合RANSAC算法,建立准确的特征关联关系。利用对极约束算法,构建了基于视觉特征点的位姿估计问题;采用三角测量算法求解空间特征点的位置信息。采用IMU预积分理论,通过积分相邻图像帧之间的IMU数据,使得两者数据对齐,实现两种数据联合初始化。分析了状态误差在系统中的传递过程,明确了系统状态误差方程,并对求解方法进行了详细推导。其次,在视觉惯性实时定位算法的基础上加入激光点云数据,提出了视觉惯性激光实时定位系统。针对激光点云数据在运动中产生运动畸变的问题,设计了点云数据预处理算法,构建了IMU去点云运动畸变模型,通过对点云帧位姿的曲线拟合实现点云畸变矫正。采用基于点云扫描特征点的计算曲率算法,将其特征分类并进行提取与匹配,实现高效提取与匹配。构建IMU预积分模型,将点云数据与IMU数据进行对齐融合,构建各状态变量残差,确定状态误差传递方程。采用滑窗优化算法,在滑窗内采用舒尔补的方式进行边缘化。构建了基于因子图优化的算法框架,构建视觉因子、点云因子、IMU预积分因子和闭环因子,进行联合优化,从而输出准确的位姿状态。最后,搭建了多传感器（相机、IMU和激光雷达）联合实验平台,配置实验软件环境。对各个传感器进行独立标定和多传感器联合标定。同时,对标定的误差进行分析,进而判断标定结果的准确性。设计了三种不同的实验方案,分别独立验证该系统实时定位的可行性与准确性。实验结果表明,基于多传感器信息融合的实时定位算法是可靠、可行、有效的。