导航定位算法是载体实现运动控制和路径规划的基础环节。针对在信号遮挡、电子对抗等环境中GPS定位精度下降问题,本文提出GPS/Visual/INS多传感器融合导航算法,并设计实验验证算法定位精度、稳定性、平稳连续性、鲁棒性及环境适应能力。论文主要工作和贡献如下:(1)研究了 Visual/INS融合导航算法理论知识。针对IMU、GPS与图像采集频率不一致的问题,提出多传感器数据异步处理算法,建立IMU运动学传播方程及其线性化Jacobian矩阵,并计算了运动学残差。针对视觉SLAM算法定位漂移现象,通过联立重投影误差和运动学残差方程构建优化目标泛函,并引入列文伯格-马奎尔特(LM)算法解算相机位姿。(2)针对GPS异常状态下定位精度下降的问题,提出GPS/Visual/INS多传感器融合导航算法。首先基于EKF算法融合GPS、IMU数据,其滤波输出作为新图像帧初始位姿,应用于视觉SLAM算法的特征匹配及图优化过程,以提高特征匹配准确度,改善光线不均匀等环境的视觉SLAM适应能力。然后在GPS/Visual/INS融合导航算法中引入图优化过程,联合多帧图像、多个时刻传感器数据建立优化目标泛函,以实现载体运动状态的最优估计,明显提高GPS异常状态下抗异常值干扰能力及跟踪平稳连续性。最后针对传感器数据量过大导致实时性能降低的问题,在图优化求解过程中引入边缘化算法,通过只更新迭代部分变量以维持系统计算量不增加,大幅提高系统优化速度与实时运算性能。(3)设计验证实验,将本文提出的算法分别与GPS/INS组合导航算法、Visual/INS融合导航算法进行实验对比,并在复杂环境中综合验证算法定位跟踪能力。实验结果表明GPS/Visual/INS融合导航算法明显提高了视觉SLAM算法的稳定性、特征匹配准确性,并大幅改善GPS异常状态下多传感器融合导航算法定位精度、平滑连续性、抗干扰性及环境适应能力。