在灾后搜救、桥梁检修、电力巡检和城市巡逻等复杂作业环境中,无人机通常基于全球定位系统(Global Position System,GPS)实现精确定位。如果磁罗盘受干扰,GPS数据则无法被有效利用,这将导致无人机失去精确定位能力。为此,本文研究一种基于视觉惯性里程计(Visual Inertial Odometry,VIO)的无人机辅助定位技术。该技术只需要轻量级传感器组合,在纹理正常的环境中,就能提供高可靠的定位信息。基于优化方法的VIO系统通常开销高而且初始化环节鲁棒性差,即使基于多状态约束卡尔曼滤波器(Multi-State Constraint Kalman Filter,MSCKF)的VIO系统开销低,但是其初始化和状态估计环节性能不佳,无法满足无人机高空环境定位。本文结合MSCKF系统开销低的优点,对MSCKF原始框架实施一系列改良策略,最终设计了系统开销低、鲁棒性高且适用于高空环境应用的VIO方案。本文首先从前端视觉处理、后端特征点估计和状态更新等模块展开探讨VIO技术原理,修正原有框架中协方差增扩雅可比矩阵的错误推导。再从工程上,在后端状态更新中使用惯性导航系统(Inertial Navigation System,INS)的零速检测和零速更新机制增强系统在静止状态的收敛性,完善MSCKF初始化环节,使其具备动、静态初始化能力。在特征深度估计中,引入增量式非线性优化策略,使本文VIO方法在高空环境中表现良好。基于真实环境采集的数据集进行实验,结果表明相比先进的开源VIO算法,本文方案占用系统资源较少,精度和鲁棒性均有一定优势。最后使用基于本文VIO方法的无人机在无GPS环境下实施定位实验,实验结果验证了本文方案的有效性,结果表明该方法具备实际应用价值。