无人机在现代社会的应用越来越多,无人机自主导航技术一直是无人机应用的重要研究内容。无人机应用场景和任务正在向复杂化和多样化发展,在实际应用中GNSS拒止的未知环境也更为常见,本文研究GNSS拒止未知环境下无人机自主导航技术。无法利用先验信息和GNSS定位技术,无人机需要完全依靠自身传感器收集信息,由于无人机载荷有限,而单目相机和IMU具有低价、轻便和优势互补的优点,因此视惯融合是一种理想的无人机自主导航方案。针对视惯融合无人机自主导航技术,需要解决以下问题:1)特征提取和特征匹配对系统的实时性和鲁棒性至关重要,但目前特征点检测和匹配方案通常只具有单方面的优势;2)特征点匹配效果对单目视觉位姿估计的精度影响很大,给准确的无人机位姿估计带来了很大挑战,长时间误差累积也是制约系统性能的一大原因;3)在视觉位姿估计的基础上如何利用惯性信息,实现高精度、具有绝对尺度的视惯融合位姿估计也是一项具有挑战性的工作。基于以上三个问题,本文对无人机自主导航技术进行研究,主要工作包括以下四个部分:（1）对视觉导航的理论基础进行了阐述,为导航方案的设计提供了理论支持;对比了经典特征检测方案,基于ORB特征点提出了均匀提取策略;结合特征匹配算法,基于改进的特征点提取方案进行了实验验证,证明改进后的特征点提取方案有良好的分布性、旋转不变性和尺度适应性,特征提取和特征匹配耗时20ms以内,表明本文的特征提取和匹配算法具有良好的鲁棒性和优秀的实时性。（2）基于单目视觉的位姿估计技术。首先介绍了位姿估计和场景重建的相关算法,选择光束法平差估计相机位姿,实验结果说明光束法平差可以有效的剔除匹配过程中的错误匹配,提高位姿估计的精度;然后完整阐述了单目系统的各个环节,针对累积误差问题,提出了基于关键帧和共视关系的批量BA解决方案;最后通过仿真实验初步证实了单目视觉位姿估计方案具有较高的估计精度并能消除累积误差。（3）视惯融合位姿估计技术。对IMU模型和IMU预积分进行了详细的推导,采用IMU预积分方式处理IMU数据;在视惯融合位姿估计方案中,系统初始化加入IMU初始化,帧间跟踪根据稀疏地图是否更新设计为两种计算模式,加入时间连续性约束保证IMU信息的有效性;通过仿真实验初步验证了视惯融合位姿估计方案可以在绝对尺度下提供较高精度的位姿估计并消除累积误差。（4）针对本文的视惯融合位姿估计算法,设计了可视化界面,在Eu Roc数据集中对本文的算法进行了全面测试。实验结果表明:本文算法在Eu Roc数据集中可以达到厘米级定位,4°以内角度误差,最大5%以内的尺度误差,具有较高的估计精度。通过和ROVIO算法的对比,证明了本文算法在估计精度和稳定性上更有优势,可以在较长时间的位姿估计中有效的消除累积误差,且系统处理速度可以达到30Hz,具有良好的实时性。