视觉惯性里程计（VIO），是将视觉传感器与惯性测量单元（IMU）相融合的精确运动估计解决方案。
　　视觉里程计（VO），利用摄像头等视觉传感器来收集数据，无数据漂移问题，但在纹理少的区域难以正常工作，运动过快时存在图像模糊、两帧图像之间重叠度不足无法实现特征匹配的缺点。惯性测量单元（IMU），可以测量角速度、加速度，响应速度快，短时间内获取的相对位移数据精度高，但长时间使用存在数据漂移问题，导致误差增大。
　　视觉惯性里程计将视觉传感器与惯性测量单元相结合，融合二者获取的数据进行互补，能够兼具二者的优点、弥补各自的不足之处，及时修正误差，估计出运动轨迹的真实尺度，以提高定位精度。工作时，视觉传感器获得的数据用于恢复相机位姿，惯性测量单元获得的数据用于补偿快速运动产生的失真，因此视觉惯性里程计可以有效解决单一传感器在高速、复杂环境下的运动估计难题。
　　视觉惯性里程计具有定位精度高、响应速度快、运动估计效果稳定等特点。视觉惯性里程计作为高性能、低成本定位解决方案，可以广泛应用在AR/VR、机器人、无人机、自动驾驶等领域。应用在机器人中，视觉惯性里程计可帮助机器人实现周围环境感知，以精确规划行进路线；应用在无人机中，视觉惯性里程计可帮助无人机实现自主导航、路径规划、飞行控制、轨迹跟踪等操作。
　　按照摄像头数量来看，视觉里程计包括单目视觉里程计、双目视觉里程计。单目视觉里程计采用单个摄像头估计位姿，而双目视觉里程计采用双目摄像头，能够解决前者存在的尺度不确定性问题。在自动驾驶领域，单目视觉惯性里程计可以帮助汽车实现环境感知、定位、姿态估计，但依然存在动态范围有限、稳定特征缺乏问题，对比来看，双目视觉惯性里程计应用性能更优。
　　当前视觉惯性里程计技术还在不断进步。视觉惯性里程计在动态场景处理、纯旋转问题处理方面仍存在挑战，浙江大学团队设计了一种新型视觉惯性里程计（VIO）系统，称为RD-VIO，提出了IMU-PARSAC算法，实验证明其在动态环境中具有明显应用优势。