针对室内弱光环境下机器人视觉定位因图像质量退化导致特征提取困难、定位精度下降的问题，提出一种融合图像增强与陀螺仪零偏校正的多状态约束卡尔曼滤波（ＭＳＣＫＦ）视觉惯性里程计（ＶＩＯ）方法。该方法通过融合惯性测量单元（ＩＭＵ）与双目视觉传感器的数据，利用图像增强模块改善弱光图像质量以辅助特征匹配，并通过校正机制补偿陀螺仪零偏，从而提升系统在弱光下的鲁棒性。在ＥｕＲｏＣ 数据集上的实验结果表明，与同类算法相比，本文方法在弱光条件下能有效增加特征点提取数量、避免跟踪丢失，显著提高了定位精度，验证了该方法在解决室内弱光环境定位问题上的有效性与优越性。