21世纪以来,各类搬运机器人(Automatic Guided Vehicle,AGV),无人机(unmanned aerial vehicle,UAV)开始走进人们的生活,随着技术的发展与应用场景的需求的提高,对其导航能力的精度和自主性提出了更高的要求,通常单独使用一种传感器无法完成各类导航任务的需求。基于此本文对惯性信息与视觉信息进行融合的组合导航方式进行了研究,这两种方式凭借其高自主性的特点使得组合导航无需外部设备提供信息,在恶劣外界条件,各类干扰的情况下可以正常工作,具有更高的导航精度与能力。文章首先介绍了惯性导航与视觉导航的基本知识。针对二者频率差距过大的情况,引出惯性预积分理论,推导其预积分模型、及其误差传递方程,使得二者可以高效融合。然后对基于视觉特征的特征匹配方式进行研究,结果表明光流法对特征进行追踪具有更高的效率,然后针对视觉信息设计了简单的视觉导航算法,通过实验分析表明,本文设计的双目视觉算法可以进行导航,但是精度较低,并且无法获取真实地理方位。针对上述导航方式存在的问题,本文采用非线性优化的方式对惯性信息与视觉信息进行融合来提高导航性能。推导其误差方程并对二者融合问题进行建模,并对其组合导航算法中所用到的关键技术进行研究,通过半物理仿真对系统进行误差分析,给出后文优化改进的方向。文章最后以第四章结论为基础,对IMU的偏差也进行估计,同时为了将外参不准确的影响降低,将外参也放入优化模型中进行建模,并且考虑视觉信息中不同特征点所处的三维空间中与相机距离远近差异,对不同的特征点赋予不同的权重以获得更加准确的状态估计结果,实验结果表明该改进方向有效提高了整个组合导航系统的精度。另外第五章从算法原理出发,分析当前常用的非线性优化算法的特点与存在的问题,对算法进行改进,并提出一种基于dogleg算法的新型优化算法来进行导航参数求解,实验结果表明本文算法对精度以及求解效率进一步提升,并通过跑车实验发现基于dogleg的优化算法具有实际意义。