O objetivo desta tese de doutorado é melhorar a precisão de posicionamento de sistemas robóticos que usam uma câmera e imu (sistema visual-inercial) para se localizar em um ambiente interno. para este fim, orb-slam2 é escolhido como a solução mais confiável e completa para visual slam monocular, e como o mais representativo slam visual de última geração que é usado para se fundir as informações imu. desta forma, decidimos aumentar a precisão na estimativa dos estados iniciais, tendo um impacto muito importante no resultado final. uma vez que a estratégia é usar a otimização fortemente acoplada no sistema slam visual-inercial, dois parâmetros ajustáveis l e p são incorporados na equação de estimativa de estados. esses dois parâmetros são utilizados como coeficientes do primeiro termo e do termo de gravidade da fórmula proposta, respectivamente. a razão para empregar esses parâmetros é de obter graus de liberdades adicionais para regular o sistema com base no nível de dificuldade do ambiente para obter o melhor desempenho na busca dos melhores valores de inicialização, levando à melhor precisão na saída final. para avaliar o desempenho do algoritmo proposto, um teste de benchmark usando o conjunto de dados euroc é executado e seus resultados comprovam o papel eficiente de parâmetros ajustáveis adicionais para melhorar a precisão. além disso, a análise de hardware - uso da cpu durante a implementação - por dois hardwares diferentes é outra prática realizada nesta tese que mostra como o tipo de ambiente afeta o uso da cpu. finalmente, os parâmetros ajustáveis obtidos no benchmark são aplicados em um experimento do mundo real. este experimento foi realizado com realizada com sucesso, sem falhar e perder os recursos durante o experimento. além disso, a redução do tempo de inicialização é outra conquista deste estudo que, em comparação com o v-slam / vi slam de última geração.