捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)作为一种不依赖外界信息的自主式导航系统,由于其可靠性高、成本低、体积小,被广泛应用于机器人导航、舰船导航、飞机制导、水下导航等领域。GPS/SINS组合导航系统引入GPS的位置、速度信息为观测量,克服了单一 SINS的误差随时间积累的缺点,但GPS的信号易受电磁干扰、易被屏蔽并且受制于人,不能达到完全自主。随着国防和民用领域对导航系统的自主性、隐蔽性的要求越来越高,视觉/SINS作为一种完全自主性的导航系统逐渐成为导航技术的一个重要研究方向。本文以机器人为应用背景,对双目视觉里程计/SINS组合导航系统进行研究,主要研究内容如下:研究双目视觉里程计/SINS组合导航系统之前,分别介绍了 SINS和视觉里程计的基本原理。对于SINS主要介绍了常用坐标系的定义、惯导基本方程的推导,在此基础上建立SINS动基座误差模型;对于双目视觉里程计介绍了常用的坐标系及其之间的转换关系,推导了双目视觉里程计的数学模型,详细介绍了摄像机标定、图像校正、特征点提取和匹配、运动估计等过程。以视觉的位置、姿态信息作为观测量,并结合惯导的误差模型建立KF滤波模型,对视觉/SINS组合导航系统进行仿真分析。仿真结果表明,当系统模型准确可知时,视觉/SINS组合导航系统的参数精度与GPS/SINS组合导航系统的参数精度相当,并且姿态误差收敛较快;当系统存在随机偏差并且噪声统计特性不准确可知时,视觉/SINS组合导航系统的导航参数精度下降。这说明系统随机偏差和未知的噪声会使KF的滤波性能下降,进而导致导航精度下降。针对上述问题,提出基于自适应两级卡尔曼滤波器(ATKF)的视觉/SINS组合导航系统。本文根据求解遗传因子的方法对传统的ATKF进行改进,改进的ATKF可以分别适用于系统噪声统计模型不准确可知和量测噪声统计模型不准确可知两种情况,分别对应于调谐Pk的ATKF和调谐Rk的ATKF,并且二者具有统一的滤波框架。仿真结果表明,基于改进ATKF的视觉/SINS组合导航系统的导航参数收敛精度比传统算法高,有效解决了因为模型不准确导致的滤波器发散问题。SINS和双目视觉里程计的数据更新周期不同,双目视觉里程计存在输出延迟,这是导致两个子系统产生数据不同步的主要原因。对于数据更新周期不同问题,本文使用多速率滤波器作为解决方案,以较小的SINS周期作为滤波周期,当没有视觉信息只进行时间更新;当有视觉信息时进行量测更新和时间更新。仿真结果表明,多速率滤波器提高了滤波精度和数据的利用率。对于输出延迟问题,本文使用二阶外推算法将滞后的视觉信息外推至滤波时刻,利用外推后的数据进行滤波。仿真结果表明,二阶外推算法有较高的精度,可以有效解决视觉输出延迟问题。