移动机器人在完成诸如障碍物规避、路径规划、自主导航等上层任务时,都需要利用位姿估计器来获得各种基本信息,因此位姿估计是移动机器人领域中核心研究课题之一。本论文针对四旋翼飞行器在没有外界辅助导航信息的情况下,分别提出了基于滤波框架的多相机约束单目视觉-惯导里程计和直接法与间接法相结合的稀疏双目视觉里程计,以估计四旋翼飞行器的位姿信息。在第3章中,提出了Hamilton四元数表示下基于滤波框架的多相机约束单目视觉-惯导里程计。针对相机在生产组装过程中存在的偏差导致成像模型并不完全符合理想的针孔模型,我们使用带畸变的针孔相机模型,同时也可免去图像去畸变的预处理部分,使算法更加高效。另外,针对实际场景中,特征点高密度地聚集在某些特征明显的区域,使得在构造特征点与相机位姿的几何约束时,造成信息冗余、退化等问题,我们参考文献[22]中的方法使得所有特征点在图像中均匀分布,并通过三层筛选方法,对最终参与滤波更新的特征点进行筛选。在参考文献[4]中,当且仅当特征点丢失或被观测次数达到滑动窗口的长度时才进行滤波器更新,导致滤波器更新频率低,在较长时间中仅依靠IMU数据进行推测,最终给算法带来较大误差,因此我们采用深度滤波(DepthFilter)方法,在相机移动过程中对特征点逆深度进行贝叶斯估计,当特征点逆深度收敛后,即可建立重投影误差方程,参与滤波器更新,从而增加了算法更新频率,降低算法误差。最后,我们建立了多相机约束的量测方程,实现单目视觉-惯导里程计,并利用开源数据集对算法进行评估。与间接法相比较,直接法不需要计算特征点描述子和特征匹配,算法更为简洁高效,实时性更好,另一方面,双目视觉里程计并不需要如单目视觉里程计那样复杂的初始化过程,而且直接就能获得位姿估计的实际尺度信息。因此我们在第4章中,设计了一种稀疏直接法双目视觉里程计,并结合间接法弥补双目视觉里程计由于特征点深度估计不准导致前端跟踪失败的情况,使算法在多种场景中表现更加鲁棒。最后在开源数据集和现实应用中测试了算法性能。