随着无人机和微型飞行器的发展，未来需求要求无人机能够自主、高精度、高可靠地实现任务目标，当前，无人机室内环境下的自主避障与导航技术是一个研究热点和难点问题。因此，本文提出了基于双目立体视觉的多传感器融合系统的微型飞行器自主实时避障和导航方法。首先，本文在综合分析微型飞行器室内环境下自主避障和导航要求与条件的基础上，研究了基于双目立体视觉的自主导航系统。由于双目立体视觉系统的模型是测量微型飞行器的位置和方位角的关键技术之一，目前基于小孔成像的简单视觉模型无法满足高精度的深度测量要求，因此，本文开展了摄像机视觉模型的相关理论与实验工作，研究得到了摄像机的经验视觉模型，实现了高精度的深度信息测量。在特征提取和匹配部分，研究了基于SURF方法提取了用于匹配微型飞行器位置和方位角测量的立体图像特征点。其次，仅仅采用CPU无法满足基于立体视觉系统的微型飞行器自主避障的实时性要求。本文分别研究了基于DSP和基于GPU的视差图计算方法，通过对比实验发现，基于GPU的视差图计算结果优于基于DSP的视差图计算结果，因此，选用了GPU为计算立体图像对视差图的处理器。最后，针对微飞行器自主避障和导航问题，研究提出基于Microsoft Xbox的Kinect激光扫描仪的自主避障和导航方法。Kinect能够提供10m范围内环境的三维深度信息图，本文研究利用特征匹配的方法实现了扫描场景的互相关，并建立了一种特征筛选标准以防止误匹配，以实现导航系统的高可靠性和高灵活性。同时，为了减小基于可变矩形框的立体匹配噪声大的问题，本文又研究了一种基于形状大小自适应的窗口匹配方法。针对立体视觉系统和激光扫描仪无法确定出透明障碍物的问题，本文研究了一种基于超声波传感器进行透明障碍物的检测方法，实验证明了其可行性。本文将以上多种传感器进行了融合，最终的实验结果表明，本文提出的基于双目立体视觉的多传感器融合系统能够满足室内环境下的微型飞行器的自主实时避障和导航要求，并且能够检测到透明的玻璃窗和较精确获得纹理单一的白墙信息等。