随着无人机技术的发展,无人机的应用范围越来越广泛。使用场景也在向室内发展,无人机室内飞行的关键在于室内的定位以及导航避障。在室内环境中,无人机的位置信息来源十分有限,极大地限制了无人机的使用。同步定位与建图技术（Simultaneous Localization And Mapping,SLAM）可以只使用无人机上搭载的传感器获得位置信息。本文根据无人机的室内飞行所需要的关键技术,对无人机的室内定位算法与室内导航避障两个方面进行了研究,并且搭建了无人机飞行平台进行实验验证。首先,对基于单目视觉的SLAM系统进行了研究,针对单目视觉SLAM中存在的在旋转与快速运动中稳定性差、系统易失效的问题。选择加入惯性测量单元（Inertial Measurement Unit,IMU）弥补视觉SLAM的不足之处,实现了视觉与惯导融合的SLAM系统。IMU在快速运动时也可以准确地获得位姿的变化,可以有效地弥补纯视觉SLAM的不足,二者相结合可以有效的提高系统的稳定性与精度。在融合系统中对两帧之间的IMU信息进行预积分,将预积分的结果作为状态初始值,联合相机与IMU数据进行位姿的估计,在局部优化时,使用了滑动窗口法优化窗口内的位姿。通过数据集进行验证,从V2＿03数据集的结果表明,本文SLAM系统在快速运动的场景中稳定性明显好于纯视觉SLAM。并且本文SLAM系统的绝对位姿误差也小于纯视觉SLAM系统。之后,对无人机的室内避障算法进行了研究,选择二维激光地图中的避障算法。动态窗口法是一种经典的且应用广泛的避障算法,其通过对机器人可能的速度进行采样并评分,最终选择适合的前进方向与速度。对于动态窗口法在障碍物密集时效果较差的情况进行了改进,选择从全局路径中选取路标点做为引导,使机器人可以更好的绕过障碍物。最终,搭建了一套无人机室内飞行平台,配合视觉惯导SLAM与激光地图完成无人机的室内飞行任务。利用视觉惯导SLAM得到无人机的位置信息,并利用激光地图进行路径规划使无人机具备室内飞行的基本能力,并在仿真环境与室内场景中进行了验证。