地面机器人及无人机的自主定位问题是导航及路径规划的基础,也是现在人工智能领域的热门研究方向。在未知环境中依靠外部设备定位的方法可能会受到限制,因此基于自身搭载的传感器实现自主定位是机器人及无人机在复杂环境中执行任务的前提。因此本文的主要研究内容为基于视觉的机器人自主定位以及基于视觉和IMU融合的无人机自主定位,对基于视觉的自主定位和基于视觉和IMU融合的自主定位的关键技术进行了研究。论文完成的具体工作由以下几部分组成:(1)对SLAM的发展历史以及国内外现状进行仔细的调研及分析,然后调研了SLAM的应用场景,明确了SLAM研究的必要性,确定了该课题中的研究方向。(2)针对不同的自主定位方法分别设计搭建了地面机器人自主定位平台和无人机自主定位平台,考虑到应用场景、空间大小、载体载荷以及体积大小、运算能力等因素,分别针对不同的应用场景设计了地面机器人自主定位平台以及无人机自主定位平台。(3)对基于视觉的自主定位方法关键技术进行了研究,然后提出改进的视觉SLAM方法,主要对系统前端进行了改进,增加了图像处理方法去除环境因素对于图像的影响,并提出改进的特征匹配方法。然后在室内机器人自主定位平台上进行了实验,首先对改进的方法进行了实验证明图像质量增加且匹配的正确率增加,然后以室内定位系统为基准,对经过改进的方法与原方法进行了定位精度的对比,证明了精度的提升。接下来在机器人上进行了多组实验,实现了机器人的自主定位。(4)针对基于视觉的自主定位方法存在的问题,提出了基于视觉和IMU融合的自主定位方法,并在无人机自主定位平台上进行了多组试验,实验结果表明该算法无论从鲁棒性、稳定性还是定位精度方面都相对基于视觉的自主定位方法有一定的提升。并且其能够较好的满足无人机自主定位的需求。最终分别在室内环境和室外环境都基于该自主定位方法实现了无人机的自主定位。