针对计算机视觉的远距离结构振动识别技术在工程应用中存在的参数调节流程复杂、易受光照与环境干扰、稳定性和鲁棒性不足等问题，提出一种视觉与惯性测量数据融合的结构振动鲁棒监测方法。根据多源测量数据互补融合原理，将计算机视觉位移识别系统与惯性加速度传感系统集成于树莓派嵌入式计算平台，构建轻量化视觉-惯性联合监测系统。首先，分别获取结构同一测点的视觉位移与惯性加速度响应；其次，基于卡尔曼滤波的预测-更新机制，实现多速率测量数据融合；然后，在不同振动频率条件下，实现结构振动位移的鲁棒估计；最后，通过模型桥试验与现场实桥测试，对提出方法的有效性进行验证。结果表明：模型桥试验中，在行人激励及低频振动条件下，所提方法显著提升了移动端位移测量的稳定性，相较于单一视觉方法，位移误差可控制在3%左右；现场测试中，基于消费级相机的融合方案能够在实际桥梁运营条件下稳定识别结构振动响应。