随着定位导航技术的发展,位置服务的应用场景也由单一场景逐渐演变为复合场景,变得更加复杂,应用中对位置服务的可靠性、精度要求也越来越高。然而,现有的传感器或定位技术都有各自的缺陷,在不适合的场景中则会产生较大的误差,甚至定位失败。因此,任何时刻、任何环境、基于任何平台,都能获得可信的导航定位信息的全源融合导航技术应运而生。首先,论文介绍了全源融合导航系统的总体架构,包含应用层、算法层、信号层、硬件层,支持情境感知以及自适应传感器优化选择。设计了基于ROS的即插即用融合导航软件框架。其次,面向全源融合定位导航技术,针对几种常用传感器,本文研究了环境和载体运动情境对传感器定位信息的影响,结合传感器本身的测量模型和误差模型,提出了基于环境和载体运动情境感知的传感器优化和选择方法,有别于目前广泛使用的使用固定传感器进行定位导航的方法,实现了情境自适应的传感器优化选择。然后,本文设计了基于传感器误差模型、环境模型和载体运动模型的全源融合定位导航融合算法,并利用扩展卡尔曼滤波器、粒子滤波器和因子图优化三种算法进行了实现。其中,论文重点研究了因子图优化融合定位导航算法,通过传感器交叉检验进行质量评估的方法,提升因子图优化融合定位导航算法的可靠性,使其在融合过程中能根据各个传感器实时表现自适应调整传感器的权重。最后,本文实现了一个完整的全源融合导航系统,搭载了卫星导航系统、二维激光雷达、惯性测量单元、双目相机和光流计五种传感器,在室内办公室单一环境以及室内外切换的复杂场景进行了测试验证。实验表明,本文所提的情境自适应全源融合导航方法能够自动根据情境选择适用传感器,能够实现鲁棒的定位,在复杂场景的实验中,67%的定位误差小于3米,而在单一环境的实验中,67%的定位误差小于0.5米。