卡尔曼滤波的发展与完善为INS/GNSS组合导航解算提供理论基础和数学工具。INS、GNSS两子系统强互补的特点使组合后性能协同超越,能够实现连续、高可靠性、高精度的导航,被广泛应用于车载移动测图、机载航空摄影测量等测绘领域及其它军用、民用领域。针对INS/GNSS组合导航系统对高精度和高可靠性需求不断提升的现状,考虑载体运动复杂性导致运动过程中噪声数学统计特性无法精确确定,且滤波结果易受观测粗差影响的问题,提出一种抗差自适应卡尔曼滤波方法。基于惯性导航、卫星导航原理与误差模型确定松组合、紧组合工作模式下的卡尔曼滤波数学模型;推导常用非线性卡尔曼滤波(EKF、UKF)模型并进行仿真,结果表明在不考虑计算机内存资源和实时性的前提下,UKF的定速、定位精度优于EKF;构造抗差自适应卡尔曼滤波,通过自适应调整观测值的使用权重提高滤波精度,结果表明抗差自适应滤波能有效抑制粗差对导航结果的影响。对应用于组合导航的上述卡尔曼模型进行车载实验验证,结果表明在导航精度上紧组合优于松组合,但在可见卫星数目变少、观测条件不好的情况下,紧组合导航误差会变大,将抗差自适应引入紧组合能在一定程度上控制误差的跳变。