本论文关注融合单目视觉和惯性传感的里程计方法研究,旨在实现能在四旋翼飞行器平台上实时运算,并且具备高精度和鲁棒性的自主定位算法,主要分为两个场景。首先在笔者参加的国际空中机器人大赛(the International Aerial Robotics Competition,IARC)中要求飞行器在不依赖外界辅助导航的条件下实现自主定位。针对该比赛的特殊场景(地面具有丰富纹理信息和规则网格特征),提出了一种基于光流法和网格信息,同时融合惯性测量单元(Inertial measurement unit,IMU)的定位方法。.首先在传统光流法上作了改进,基于固定块匹配方法,实时获取相机平动速度,然后将其积分作为初始估计,并通过地面网格信息来校正光流积分得到的位置信息,最后融合IMU数据进行信号平滑,确保飞行器位姿无累积误差。该方法在2016年IARC亚太赛区比赛中得到成功应用。其次针对一般场景,选择基于稀疏直接法的单目视觉里程计算法,无需计算每帧图像的特征描述子,计算速率提高,并且设计了模块化的扩展卡尔曼滤波(extend Kalman Filter,EKF)框架,融合单目视觉里程计计算得到的相机位姿和IMU数据。对于预测部分,基于IMU驱动系统的误差状态运动学实现,对于测量部分,由视觉里程计提供的位置和姿态作为量测,另外进行了测量量和状态量的时间同步处理,以及视觉算法位姿检测失败时的校正处理。在开源数据集测试本算法的准确性和鲁棒性。