Cuando los robots realizan la localización en entornos interiores con poca luz, factores como la iluminación débil y desigual pueden degradar la calidad de la imagen. Esta degradación resulta en una reducción en el número de extracciones de características por parte del frente de odometría visual y puede incluso causar la pérdida de seguimiento, afectando así la precisión en la posición del algoritmo. Para mejorar la precisión de la localización de robots móviles en entornos interiores con poca luz, este artículo propone un método de odometría visual inercial (L-MSCKF) basado en el filtro de Kalman de restricción de múltiples estados. Abordando los desafíos de las condiciones de poca luz, integramos datos de la Unidad de Medición Inercial (IMU) con odometría visual estéreo. El algoritmo incluye un módulo de mejora de imagen y un mecanismo de corrección de sesgo cero del giroscopio para facilitar la coincidencia de características en la odometría visual estéreo. Realizamos pruebas en el conjunto de datos EuRoC y comparamos nuestro método con otros algoritmos similares, validando así la efectividad y precisión de L-MSCKF.