同时定位与建图（Simultaneous Localization and Mapping,SLAM）作为现代机器人智能化的重要技术,已经在无人机、机器人和虚拟现实等领域得到了广泛应用。结构化室内环境精确三维地图的创建对工程建设与维护、环境状态监测具有重要意义。采用无人机完成室内构筑物三维地图的创建具有范围大、无死角、速度快等优势。为此论文针对全局定位拒止且弱纹理条件下的三维SLAM问题,重点研究设计一种基于多图像特征（点、线、平面）融合的定位与建图方法,采用图优化的方法,通过最小化多特征误差函数估计相机姿势和全局地图。同时构建了从底层运动控制到顶层感知决策的整套室内无人机三维建图系统。首先,研究了弱纹理条件下基于层次聚类算法的环境图像平面特征提取问题。基于传统算法进行了彩色图像点线特征提取,采用层次聚类算法从深度图中提取了平面特征。三类特征提高了弱纹理及复杂光照条件下的环境表征能力,为融合点线面三类特征信息进行定位建图奠定了基础。其次,研究了融合点线面特征和IMU惯性信息的紧耦合定位算法。该算法基于点线面特征及IMU的误差方程,联立四种定位要素的误差,建立一个联合非线性误差函数,采用梯度下降法进行迭代优化,以求得精确的无人机变换位姿。基于准确的位姿估计,设计无人机稀疏和稠密地图重建方法。再次,设计了无人机三维建图系统结构。建立了基于ROS和Mavros的系统内部节点结构网络,构建了具有完整传感器信息预处理、前端位姿跟踪和后端建图的无人机系统结构。最后,进行了室内构筑物无人机三维建图实验。搭建了室内构筑物的建图无人机实物平台,进行了多个数据集实验及实际构筑物环境飞行实验。结果表明,所研究的算法及建立的建图无人机系统可在GPS拒止的弱纹理构筑物环境中实现更高精度的定位和三维建图。