近年来,随着机器人领域的不断进步以及人工智能技术的快速发展,无人机逐步的应用到日常生活和工业生产的各个领域中,相关技术的研究也受到了学术界广泛的关注。无人机是一类特殊的自主机器人,搭载有特定传感器,其技术的基础和核心是在运动过程中,通过携带的传感器估计自身运动状态,同时感知并构建所处环境模型。随着同步定位与地图构建(Simultaneous localization and mapping,SLAM)领域的不断发展,针对基于视觉的无人机定位和建图相关的理论框架趋于稳定,但具体的理论实践仍然存在诸多问题。另一方面,多传感器数据融合技术的发展,使得无人机利用多源数据融合构建环境三维模型成为可能,因此研究基于无人机多传感器数据融合的建筑物三维重建方法对于无人机自主化和智能化的发展有着重要意义。本文提出了一种无人机多传感器融合的建筑物三维模型构建方法,该方法在视觉SLAM的基础上,融合单目相机、惯性测量单元(Inertial measurement unit,IMU)以及全球卫星导航系统(Global Navigation Satellite System,GNSS)的信息,结合特征提取与匹配、位姿图优化、闭环检测以及点云稠密化等算法,实现了稠密的建筑物三维模型构建,并使用标准数据集和实地实验对本文的方法进行了对比实验和结果分析。首先本文在ORB-SLAM2算法的基础上,通过紧耦合的数据融合方法将单目视觉信息和IMU信息结合成为视觉惯性里程计。具体是采用ORB特征算法完成图像特征提取,进一步选择出图像关键帧,将IMU预积分量作为帧间约束来完成初始化和局部位姿图构建。然后利用GPS提供的全局信息结合视觉惯性里程计,共同作为位姿图的约束条件进行全局位姿图的优化,这样通过耦合多传感器数据得到更为准确的无人机位姿估计。同时,本文将GPS信息作为闭环检测的先决条件,在满足一定阈值的情况下利用词袋模型进行闭环检测和重定位,以增加系统的准确度和鲁棒性。最后在位姿估计获得稀疏地图的基础上,使用基于面片的多视图几何方法完成了建筑物稠密模型的构建。本文使用EuRoc公开数据集评估了本文方法的位姿估计精度和优化效果,搭建了无人机实验平台在真实场景下对建筑物模型三维重建方法进行了验证。实验表明本文基于无人机多传感器数据融合的建筑物三维重建方法,通过多传感器数据融合的方式得到更准确且具有全局尺度的相机位姿估计,同时将全局传感器数据作为闭环检测的先验,能够输出更为精确的稠密点云模型且系统鲁棒性得到了增强。