惯性导航导航系统作为自主导航系统具有短时导航精度高、导航信息丰富、隐蔽性好、机动能力强的优点而在自主导航情况下得到广泛应用。然而，由于惯性器件的固有误差的存在，导航误差值随时间累积并最终导致发散，不适合长时间独自工作。视觉导航具有的优点是信号探测范围广且信息量丰富，而且视觉传感器属于被动式传感器，不受外界电磁环境等的影响亦不会对外界环境造成二次污染。但是视觉导航系统易受敏感器作用距离以及光照程度的限制且导航数据的更新频率相对较低。将两者结合起来，取长补短，成为室内移动机器人导航系统的发展方向之一。　　本文首先对捷联惯性导航以及视觉导航的相关工作原理进行了详细地介绍，对捷联惯性导航系统中的姿态、速度和位置解算进行了较为详细的推导，并对通过视觉提取载体平台速度信息的方法进行了具体分析。　　针对通过视觉获取载体平台速度所采用的特征点检测与跟踪匹配方法，本文介绍了光流算法以及SURF算法，并分别通过实验对两者的性能进行了比较分析。然后搭建了INS/视觉组合导航系统实验平台，并开发了PC端上位机软件。最后设计了组合导航的模型，并就系统模型的非线性特点以及扩展卡尔曼算法的局限性提出了迭代扩展卡尔曼算法。当发生视觉信息失锁时，本文通过建立RBF神经网络来实现对失锁区域速度的估计，并基于实验数据进行了半物理仿真。