随着无人机技术的快速发展,无人机在物流、巡检、侦查等多个行业领域中有着广泛的应用,并逐渐从室外应用拓展到室内应用。可靠的定位导航技术是无人机正常作业的前提,通常情况下无人机主要依赖于GPS惯性组合导航,而在丛林、城市楼宇、室内等环境中,由于GPS信号受到干扰或遮挡,导致无人机难以定位或定位不稳定。故在室内应用中常采用视觉这一种低成本便捷的定位方式,其问题在于容易受到光照等环境条件影响而导致稳定性差,直接影响着无人机的定位精度和定位系统的鲁棒性。因此,有必要开展基于视觉的无人机室内定位方法研究,本文针对旋翼无人机的室内定位开展如下研究。首先,针对传统特征提取方法的计算量大以及特殊环境下特征点提取效果不佳的问题,通过图像区域分块及自适应阈值的方法改进了ORB特征提取算法,并完成了实验验证。同时采用LK金字塔光流算法,以解决光流算法在无人机出现大幅度运动时会出现失效的问题。其次,为了减小光照变化对光流算法的影响,通过高斯滤波提取图像高频部分的特征点,并使用PROSAC算法对光流进行了误匹配点剔除,实验结果表明该方法有着良好的抗干扰性。随后,本文基于Meanshift算法的思想求得光流最优解,从而进一步提高光流的估计精度。在以上工作的基础上,本文采用了基于视觉和IMU融合的定位方案,通过基于IMU角速度姿态补偿的方法,消除了姿态变化引起的速度估计偏差,并完成了对速度异常点的剔除工作。此外,将视觉与IMU数据进行融合,达到提高无人机定位精度和定位系统鲁棒性的目的。最后,搭建了基于视觉的无人机定位系统平台,开发了自动标定的上位机软件,在实际飞行场景中对以上方法进行实验验证。实验结果证明了本文提出的方法可以替代GPS,为无人机提供位置、速度等信息。