导航定位技术在机器人、无人驾驶等领域都是一个至关重要的问题,然而截至目前适用于室内外高动态、非结构化场景的方案,其鲁棒性还不是很好。本文提出并设计了一种基于单目视觉的多传感器组合导航算法,首先将单目视觉ORB_SLAM2与INS做融合,与传统的将IMU和视觉数据分别进行滤波的方法相比,设计了一种更为通用的非线性优化框架将视觉特征点和带噪声的IMU数据放入其中来优化相机位姿,不仅可以对单目视觉的尺度和传感器零偏进行精准估计,还可以提高了算法的鲁棒性和定位精度;该方案在GPS信号较好时,通过卡尔曼滤波算法将GPS数据巧妙的融合,既可更精准的进行位姿估计,也可以辅助视觉地图构建。论文主要工作包括:(1)提出了基于非线性紧耦合的Visual/INS组合导航算法。首先对基于关键帧的单目视觉关键技术进行研究,包括基于模型选择的自动初始化和关键帧选择策略;然后对IMU的预积分模型和VINS的初始化进行理论推导;此外对基于非线性优化的视觉惯导融合方案进行研究;最后在Euroc公开数据集和实际室内场景上对该算法进行验证。(2)提出并设计了 Visual/GPS/INS组合导航算法。首先通过卡尔曼滤波器的设计将GPS和INS做数据融合;其次对GPS/INS融合算法辅助单目视觉的尺度估计进行研究;此外对GPS/INS融合算法辅助VINS位姿估计进行研究;最后通过实际的跑车数据对算法进行验证,误差小于0.2米,证明算法具有较高的定位精度和鲁棒性,以及很强的实用价值。