随着计算机视觉和微惯导技术的发展,基于视觉与微惯导相融合的导航系统在智能移动机器人、自主导航车以及无人机等领域被广泛的应用。惯性传感器(IMU)与视觉传感器都具有体积小、重量轻、成本低等优点,除此之外两者具有明显的互补性。两者的互补性主要体现在:IMU能够提供短时高精确的位姿信息,能够为快速运动提供很好的解决方式,单目视觉在慢速运动下提供的数据不会有漂移,可以解决IMU的漂移问题。本文研究一种基于视觉与IMU融合的自主导航系统,该系统通常称为视觉惯性里程计(Visual Inertial Odometry,VIO),并且结合单目视觉与IMU的特点,应用无迹卡尔曼粒子滤波(Unscented Kalman Particle Filter,UPF)框架,设计了一种基于紧耦合方式的单目视觉惯性里程计系统。本文首先推导了捷联式惯性导航系统的姿态、速度、位置更新方程和误差方程,并着重对基于三子样补偿法和龙格库塔法的姿态解算算法进行了仿真比较,验证了四阶龙格库塔法的优越性。然后研究了基于单目摄像机视觉系统定位的关键技术,主要包括单目摄像机的线性模型和非线性模型、单目摄像机的标定、计算机视觉中的对极几何约束和三焦点张量技术,以及图像特征提取、相邻帧间图像特征跟踪算法,采用基于FAST特征点提取与LK光流跟踪方法,应用非极大值抑制算法(NMS)和随机采样一致性算法(RANSAC)对特征提取与跟踪算法进行了改进,并利用罗技(Logitech)单目摄像机实际采集的图像数据对改进图像处理算法进行测试。紧接着对单目视觉与微惯导融合的滤波算法进行研究,根据IMU的运动学模型和多视图几何约束关系分别建立了单目视觉惯性里程计系统的状态方程和观测方程,并结合随机采样一致性算法和无迹卡尔曼粒子滤波算法,设计了基于RUPF滤波算法的惯性视觉里程计系统。最后利用KITTI数据集平台和搭载基于Logitech/MPU6050的移动机器人平台采集的数据分别对融合算法进行验证与分析。