近年来无人机发展迅速,传统的导航定位方法在应用场景和定位精度方面存在局限,无法满足当前无人机对导航定位的需要。基于视觉的同步定位与地图重建(SLAM)技术可以在无人机运动过程中,同时完成定位与环境地图重构。单目相机作为视觉SLAM常用传感器,其结构简单、计算效率高,适用于无人机飞行的大尺度和变尺度环境。本文围绕基于单目视觉的SLAM算法,研究适用于多旋翼无人机的导航定位系统。主要研究内容如下:为解决无人机导航定位问题,建立多旋翼无人机的刚体数学模型,通过线性化假设对无人机运动学和动力学模型进行化简,通过仿真了解无人机的运动特性,便于后续分析和选择适用于无人机导航定位的视觉SLAM算法。研究单目SLAM算法框架、理论原理和分类。从定位精度、鲁棒性和地图重构效果三个方面比较了基于直接法的LSD-SLAM和基于特征的ORB-SLAM。实验结果表明,相比基于直接法的LSD-SLAM,基于特征的ORB-SLAM定位精度高、鲁棒性好,适宜作为无人机导航定位系统。但同时,ORB-SLAM存在一些问题,如重构环境地图稀疏,无法用于避障和路径规划;单目相机无法获取深度信息,估计的轨迹和地图尺度不确定。针对基于特征的ORB-SLAM算法重构地图稀疏的问题,研究基于特征的单目半稠密SLAM算法,参考直接法SLAM的重构原理,采用像素块匹配和逆深度假设重构环境的半稠密地图。针对基于特征的SLAM算法在宽基线下像素块匹配离群值较多的问题,引入逆深度一致性检验剔除离群值,提高半稠密地图重构效果。实验表明,基于特征的单目半稠密SLAM算法定位精度高,鲁棒性好,重构的环境半稠密地图可以满足无人机避障与路径规划的需要。针对单目SLAM尺度不确定的问题,研究基于IMU预积分的惯性-视觉SLAM算法。通过预积分算法对IMU数据进行处理,得到适用于最大后验估计的IMU观测模型,利用单目SLAM后端的非线性优化与IMU进行数据融合。实验结果表明,基于IMU预积分的惯性-视觉SLAM算法可以准确估计运动轨迹尺度,算法定位精度高,鲁棒性好。