惯性/视觉组合导航由于具有良好的互补性和自主性,已成为导航技术领域的研究热点。RatSLAM算法通过模拟啮齿类动物大脑海马区导航机制,实现实时定位,是当今较为实用的一种仿生导航算法。然而,该算法仅仅依赖视觉信息,在复杂的环境中存在可靠性低、导航精度不高等问题。本文在RatSLAM算法的基础上增加惯性导航信息,研究了惯性/视觉仿生组合导航算法,构建了实验系统并进行了车载实验验证。实测结果表明基于RatSLAM的微惯性/视觉仿生导航算法相对于纯视觉算法具有环境适应性更强、精度更高等优点。论文的主要研究内容和创新工作如下:1、建立了微惯性/视觉组合导航模型。从MIMU基本原理和捷联惯导解算两个方面系统介绍了微惯性系统的理论基础;从摄像机模型、视觉导航算法两个方面说明了视觉系统。2、设计了基于RatSALM的微惯性/视觉仿生导航算法。阐述了RatSALM仿生导航原理,对视觉RatSLAM仿生导航算法进行了实验验证,并简要进行了算法性能分析。在此基础上,改进RatSLAM仿生导航算法,建立了基于RatSLAM的微惯性/视觉仿生组合导航框架。3、基于微惯性/视觉仿生导航算法,开展了车载实验验证。与视觉仿生导航算法结果进行比较分析,结果表明:微惯性/视觉仿生导航算法提高了环境的适应性和导航精度。