随着科技的进步与社会的发展,无人机等户外无人设备对于自身姿态信息的精度需求也在日益提高。在复杂的环境下单一的测姿方式往往不能满足实际任务中低成本、高精度、高可靠性的要求,所以对多种测姿方式进行组合以提升系统的鲁棒性及测量精度是目前最实用的方法。基于上述原因本文研究了图像光流辅助RTK的测姿定位算法,在深入研究RTK定位测姿及图像光流测姿的基础上,运用残差自适应卡尔曼滤波对两种测姿方式进行组合测姿实现了载体姿态的综合估计,有效克服了图像光流姿态估计存在误差累积的问题以及RTK测姿易受干扰的问题。论文的主要研究内容及创新如下:（1）研究了BDS-RTK相对定位技术及基于RTK的姿态测量技术,对各坐标系之间的转换及姿态角求取方法进行了深入的研究,并根据RTK测姿解算原理设计并实现了一种基于STM32F7芯片和UBLOX芯片的RTK姿态测量模块。（2）比对研究多种光流求解算法,综合课题实际需求选择使用Speed-Up Robust Features（SURF）法求解稀疏光流。针对算法在图像阴影及纹理模糊区域中检测、匹配特征点数目较少的问题,引入了对比度受限的自适应直方图均衡来调整图像对比度,并突出纹理细节。这改善了SURF图像光流求解算法的性能,有效提升图像光流的求解精度;对比于传统的SURF光流法,平均端点误差降低了0.172像素,平均角度误差降低了3.907°。（3）研究了基于图像光流的姿态求解方法,通过引入光流膨胀点的概念降低姿态求解的计算复杂度。并针对图像光流中的误差对载体姿态求解精度影响显著的问题,以代价函数作为依据使用抗差估计的思想对图像光流中误差较大的数据进行剔除。该方法改善了算法在估计角速度的过程中存在野值的问题,有效提高估计的精度,在多种路面场景下算法所估计的角速度均方根（RMS）精度均在0.3°/s-0.5°/s。（4）对多传感器数据融合算法进行了深入的研究,结合RTK测姿以及图像光流姿态估计的特点与不足使用卡尔曼滤波设计了一种组合测姿算法,实现两种方法的数据融合。针对实际应用中卡尔曼滤波组合测姿算法在复杂观测环境下姿态估计精度不高的问题,设计了基于残差自适应的卡尔曼滤波组合测姿算法,通过残差向量对系统观测误差进行实时的估计,确保了算法在复杂环境下的姿态角估计精度。在仿真条件下,载体的俯仰角、横滚角和航向角的RMS精度分别为0.2670°、0.2646°和0.2528°。