论文以地面和空中无人平台为应用背景，通过借鉴动物感知环境的机理和运动行为决策机制，重点开展基于导航拓扑图的仿生节点递推导航方法研究，旨在解决无卫星导航信号下的自主导航难题。
　　论文的主要研究工作和研究成果总结如下：
　　（1）为提升对拓扑节点区域场景特征识别的准确率，研究了采用卷积神经网络对场景特征进行鲁棒表达的方法。首先，提出了一种在卷积神经网络中使用多尺度池化来构建特征金字塔的方法。其次，基于构建的特征金字塔设计了两种表达场景特征的卷积神经网络结构。第一种结构针对串联的卷积层仅能提取单一尺度特征的问题，提出采用一个卷积层来融合金字塔中的多尺度特征，以提升网络对场景表达的准确性。第二种网络结构为抑制场景中非地标特征的影响，采用了两个卷积层来构建了一个注意力模块。该模块能够结合金字塔中的多尺度特征来评估图像中不同区域的局部特征在场景表达中的权重，从而实现对非地标特征的抑制。最后，实验结果表明采用提出的两种网络结构对场景特征进行表达时，能够有效提升对场景特征识别的准确率。
　　（2）针对现有里程计轨迹–道路网络图匹配定位方法的定位响应时间长、场景识别定位方法鲁棒性差等缺点，提出了一种基于道路网络图和节点场景特征的定位方法。首先，设计了一个粒子滤波器来融合里程计–道路网络图之间的几何结构一致性和观测场景–参考场景之间的特征相似性。其次，为提升粒子滤波器应对场景特征变化的鲁棒性，提出了一种观测模型参数标定算法，以估计场景特征相似性对粒子权重的影响。最后，在多组车载数据集中对提出的定位算法进行了验证，结果表明，提出的定位算法能够适应各种道路网络结构和场景特征变化，并能够在较短的响时间内准确的估计出无人车在道路网络图中的位置。在定位算法的基础上，还进一步分析了基于道路网络图的路径规划和节点递推导航方法。
　　（3）借鉴鸟类使用显著地标辅助返巢的机理，提出了一种面向无人机导航的拓扑图构建与航迹规划方法。首先，提出了一种基于场景特征显著性的拓扑节点构建方法，该方法能够将显著性不同的区域划分为了不同的拓扑节点。其次，提出了一种根据航向精度约束构建连通边的方法，通过该方法构建的连通边表示无人机在航向约束下，跨越节点的可达性。最后，在构建的导航拓扑图的基础上，开展了面向节点递推的航迹规划方法研究。提出了一种优先使用显著性高的拓扑节点构建航迹的方法，该方法通过引导无人机通过显著节点来降低导航过程中的不确定性。提出的航迹规划方法还可拓展应用于具有多目标点和归避区约束的导航任务中。
　　（4）借鉴动物的运动决策机制，提出了一种面向无人机的仿生节点递推导航算法。首先，采用了一种具有航向约束的单目视觉里程计来引导无人机跨越规划航迹中的相连节点区域。其次，提出了一种基于序列图像的场景识别方法对节点区域的场景特征进行识别。该方法不依赖于里程计辅助构建图像序列，因此具有不受里程计累积误差影响的优点。为在场景识别的基础上进一步提升定位精度，提出了基于点特征的匹配定位方法。场景识别和匹配定位结果将用于修正视觉里程计的累积误差，同时用于调整无人机的飞行方向，引载无人机完成节点递推导航。最后，采用了仿真飞行实验和无人机飞行实验对提出的导航算法进行了验证。