无人机以其成本低廉、人员零伤亡、生存能力强、机动性能好和使用方便等优势,备受军事和民用领域的青睐,而导航定位则是其顺利执行任务的基本保障之一。对大型高端无人机而言,导航定位方式有多种选择,典型的如基于全球卫星导航系统/惯性导航系统(GNSS/INS)的组合导航技术、基于信号辐射导航/惯性导航系统(NAVSOP/INS)的组合定位技术等。对微小型无人机而言,由于其受到自身载荷和成本的限制,目前普遍搭载的是小体积、低功耗的全球定位系统(GPS)模块,随着将来平台技术的不断发展,微小型无人机将应用到单兵作战、抢险救灾、环境勘探、物流快递和反恐作战等多个领域,即其任务环境不再是单纯的室外空旷环境,因此仅依靠GPS这类卫星定位系统已不能满足小型无人机的任务需要。为了提高机载定位系统的环境适应性,在保证低成本、小体积、低功耗的前提下,研究能适用于多任务场景的自主定位技术已成为小型无人机发展过程中亟待解决的主要问题之一。针对这一需求,基于机器人操作系统,围绕微小型无人机自主定位过程中涉及的算法框架、机载微小型传感器的精度、多传感器融合定位算法以及定位误差累计等关键问题展开分析研究、算例仿真与飞行实验验证。论文的主要工作和研究成果包括:(1)基于机器人操作系统,构建了硬件成本低廉、传感器易获取易集成的自主定位框架。根据小型无人机在典型任务场景下作业的实际需求和目前已有的自主定位算法的优势与局限,选择常见的机载MEMS传感器(加速度计、陀螺仪、压力传感器和磁力传感器),探索了一种易于集成的自主定位框架,并基于机器人操作系统设计了框架的软件结构,提高了机载定位技术在多变任务环境下的适应性。(2)分析了MEMS传感器的性能精度与使用场景之间的关联表征,构建了精度评估方法。针对MEMS加速度计、陀螺仪、压力传感器和方向角传感器在精确定位系统中的可用性及其测量模型的适用条件,基于气垫导轨、三轴转台和矩形钢架等设备设计了一套精度评估方法,以建立MEMS传感器在不同飞行高度、不同加速状态与旋转状态下的性能表征,提高标定结果的有效性和实用性。(3)充分考虑MEMS传感器在不同运动状态下的性能表现不同,根据无人机的典型运动模态设计了多源融合定位算法,有效将旋翼无人机的机载定位技术从既有的以室内为主的低空环境扩展到了室外数十米飞行空域,并提高了定位系统对弱光照和弱纹理环境的适应能力。针对无人机匀速直线、升降运动,基于机载摄像头、压力传感器、方向角传感器,提出无构图定位算法(MLVO);针对无人机旋转、加速直线运动及复合运动,在MLVO基础上,借鉴误差状态的卡尔曼滤波模型,融合了MEMS加速度计和陀螺仪数据,实现机载多传感器的融合(MFVO)。MLVO和MFVO算法相辅相成,用以解决无人机在室外飞行高度数十米环境下或弱光照、弱纹理区域作业时的自主定位的问题。(4)针对机载自主定位算法累积误差的问题,提出了基于导航信标辅助的定位修正算法(LAVO),有效融合了先验的网络信息和人工合作标记物信息以校正定位过程中的偏差。将网络地图中的典型地标、人工合作标志物以及网络信号等信息作为导航信标,以其全局位置作为先验,基于概率滤波理论构建无人机位置概率地图,随着观测到的导航信标不断增多,证据不断积累,最终对自主定位算法中出现的偏差及时校正,从而提高定位精度。(5)基于机器人仿真器(Gazebo)构建了自主定位算法的仿真测试环境,进行了全系统测试,并采用三星Galaxy S3手机内置传感器对关键算法进行了实物飞行实验验证。在Gazebo仿真环境下,通过设计不同飞行条件下的仿真实验,开展了MLVO,MFVO和LAVO算法的定位精度实验研究,测试了各算法的工作条件及定位精度。基于MOVEMASTER RM501机械臂,AR-Drone、XAircraft650两个典型四旋翼,以三星Galaxy S3手机传感器作为机载传感设备,开发手机应用软件,对内部传感器信息进行访问,开展了室内外真实场景下的实验研究,并与目前代表性算法TUM_PTAM[1]进行比较。通过设计室内、麦田、花园以及城市四个不同场景,测试了MLVO,MFVO和LAVO算法对环境的适应能力。使三星手机中这类低成本、低精度的MEMS传感器能够在室内实现精确导航(导航精度可达到0.5米以内),并在室外弱光照及车流量较大的城市环境下自主导航数百米,精度在10米内。上述研究工作和成果进一步完善了目前无人机机载自主定位技术的研究,为最终解决无人机在GPS拒止环境中的自主定位问题提供了新思路和新技术,同时,通过算法的代码开源和数据共享为他人在相关领域的研究奠定基础。