随着智慧城市、智能交通、无人驾驶以及物联网的快速发展,高精度高可靠性的定位技术成为了人们关注的热点。目前人们常用的导航定位技术主要包括GNSS定位技术、惯性导航定位技术、视觉导航定位技术、Li DAR定位技术等,然而单一导航定位技术无法满足这些新业态、新技术、新需求,每一种传感器都存在一定的局限性。因此,多源传感器融合技术一直备受学术界关注。本文研究了GNSS/INS/Vision多传感器融合定位关键技术,并采用实测车载数据进行验证与分析。论文的主要研究内容如下:（1）介绍了GNSS/INS/视觉集成定位技术的数学理论基础,给出了常用的几种坐标系及其转换、姿态表达的方式及转换,推导了“东-北-天”导航坐标系下位置、速度、姿态更新方程及其对应的误差方程,阐述了视觉定位中特征点提取与匹配算法,并以实测数据进行分析验证,为后文研究多传感器融合定位奠定基础;（2）研究了GNSS/INS组合定位技术,介绍了GNSS/INS松组合、紧组合的定位模型,充分利用车载导航天向速度约等于零的特性,提出了一种改进的抗差自适应卡尔曼滤波算法,改善观测质量差以及状态模型异常等问题,提高了系统的位姿解算精度。实验结果表明,在松组合和紧组合方面,改进算法相较经典的抗差自适应滤波算法均表现出一定的优势,位置、速度、姿态的均方根误差均小于经典抗差自适应算法,可以有效减少粗差的影响,增强了系统的鲁棒性和稳定性;（3）研究了GNSS/INS/视觉集成定位的基本模型,引入视觉信息,增加了系统的稳定性和冗余性,提出了一种GNSS位置与视觉惯性位置互检核的方法,提高了系统可靠性。实验结果表明,GNSS/INS/视觉融合定位技术的性能显著优于GNSS定位及GNSS/INS定位技术,能够一定程度抑制单GNSS、GNSS/INS的粗差,两组不同环境下解算的位置平面精度分别提升了66%和75%,能够有效平滑定位结果噪声,具有较好的可靠性。