在灾难救援活动中,具备灵活机动性的无人机正逐步显示出巨大的优势。近年来,基于GPS或SLAM的无人机导航获得了良好的实际效果。然而,在不具备明显位置标识的室内环境中,如何为无人机提供自主导航则构成了新的挑战。本文结合多传感器数据融合与四旋翼无人机控制技术,研究并实现四旋翼无人机在室内环境的自主导航,具有很强的科学价值和现实意义。依据贝叶斯滤波理论及空气动力学原理,本文建立了无人机状态模型和运动模型。考虑到无人机与地面之间的通信延迟及数据处理延迟,在状态预测时将这种延迟消去。针对旋翼无人机飞行时的倾斜,以惯性测量单元(IMU)得到的姿态作为参考对图像进行视角变换处理。在经过光流算法得到图像整体位移后使用尺度变换将像素距离转换为实际距离,然后将光流与IMU进行数据融合。实验结果表明该方法在短时间内具有较高的定位精度。在建立基于特征点的观测模型基础上,为了解决数据关联时的错误关联,本文采用了一种整体数据关联的方法,寻找局部地图与全局地图之间的最优变换。以基于粒子滤波的蒙特卡罗定位方法计算无人机在全局定位中的位置,同时采用降低权重方差、检测粒子权重变化等方法解决粒子滤波存在的粒子多样性衰竭等问题。实验结果表明,该方法具有较强的鲁棒性,满足长时间定位需求。为满足定位系统的需求,本文构建了AR. Drone四旋翼无人机的硬件及软件系统,以机器人操作系统(ROS)为基础,开发了无人机地面站的导航定位系统及控制系统。控制系统采用带限幅的PID控制器,并采用预估的方法抵消时延对控制效果的影响。导航系统将基于光流/IMU的贝叶斯定位方法与基于粒子滤波的蒙特卡罗定位方法相结合,使得系统既能快速处理短时间内的无人机定位需求,又能对无人机进行长时间精确定位。最后,为验证所研究的四旋翼无人机导航算法与技术,本文采用Gazebo构建了仿真系统,并将本文研究的算法及开发的导航软件在仿真环境中进行了测试。测试结果表明,本文设计的系统能够满足无人机室内定位的需求,具备良好的实时性、准确性及鲁棒性。