基于捷联惯导原理的MEMS惯性导航定位技术日益受到重视,由于MEMS陀螺仪精度的限制和捷联惯导的积分解算方式,使得载体姿态估计的误差不断累积,难以实现长时间的精准定位。本文针对室内惯性定位的应用场景,研究采用单目视觉校正惯性姿态估计误差的方法。论文主要工作如下:（1）视觉绝对姿态辅助惯性定姿算法。通过视觉系统获取室内特征参照物的图像,结合已知的参照物姿态,利用透视投影原理,获得当前时刻基于视觉信息的载体绝对姿态角估计。提出采用自适应融合的视觉绝对姿态辅助惯性定姿算法,视觉解算的绝对姿态角与惯性姿态估计进行自适应加权融合,在一定程度上纠正惯性姿态估计的累积误差。（2）视觉相对姿态辅助惯性定姿算法。对于连续采集的视频,通过相邻两帧图片之间的差异,利用对极几何原理,估计载体运动导致的相对旋转角。提出一种多时间尺度融合的相对视觉辅助惯性定姿算法,利用短时间尺度实时性强、长时间尺度约束短时间尺度的特点,采用视觉不同时间尺度的角度变化量不断地去修正并更新惯性姿态,对角度信息进行多次校正,从而补偿陀螺仪的偏移和解算累积的误差,提高姿态角的精度。（3）视觉绝对姿态和视觉相对姿态相融合的辅助惯性定姿算法。融合视觉绝对姿态辅助惯性定姿和视觉相对姿态辅助惯性定姿两种算法,惯性姿态估计先与视觉绝对姿态角进行自适应加权融合,融合之后的数据再与视觉相对旋转角进行多时间尺度融合,静态视觉和动态视觉相互作用,充分利用室内环境的线特征和点特征,从而降低惯性姿态估计的误差,提高载体姿态估计的准确性。实验验证表明,视觉绝对姿态和视觉相对姿态相融合的辅助惯性定姿算法,能有效地纠正惯性系统的姿态角累积误差,提高载体姿态估计精度。经过时长4.23 min的实验验证,航向角误差降低了95.33%,俯仰角误差降低了91.67%,横滚角误差降低了91.21%,整个过程的姿态角始末误差可以保持在4°之内。