无人机实现自主飞行功能的前提条件是具有良好的定位能力,实时解算无人机的运动状态并进行准确的位姿估计是无人机实现稳定导航及其他一些复杂任务的基础。无人机在室外定位的主流工具是全球定位系统（Global position system,GPS）,但无人机在室内飞行时,GPS信号强度弱,甚至会出现缺失的情况。因此,无人机进行室内自主飞行定位时,无法使用GPS定位方法。针对上述问题,本文提出视觉与惯导融合的方法来实现无人机室内自主定位功能。下面将对论文的主要内容进行概述:首先,本文对无人机室内定位系统进行建模。刚体在三维空间中的运动由一次旋转和一次平移构成。无人机在飞行时可以看作三维空间中的刚体,因此我们在进行无人机定位时,不仅要确定无人机的位置,还要确定无人机的姿态。在对无人机进行旋转平移及变换矩阵描述后,我们引入了李群李代数对无人机的位姿进行描述,并通过李代数扰动模型推导了变换坐标相对于变换矩阵的雅可比矩阵,为下文进行无人机定位打下了必要的理论基础。在视觉求解无人机位姿的章节中,本文使用的是深度视觉传感器,该传感器能够根据无人机飞行时的状态实时输出一一对应的彩色图和深度图,我们可以在图像层面上及构建的局部地图层面上对这些彩色图和深度图进行处理。在视觉求解无人机位姿的过程中,本文先对特征点法进行了详细的推导,又对传统的直接法进行了细致分析,在分析了这两种方法的优缺点后,提出了改进直接法,并通过数据集对改进直接法进行了实验验证。在视觉惯导融合求解无人机位姿的章节中,本文使用的是基于李代数的扩展卡尔曼滤波算法。本文介绍了惯性测量单元的测量模型、运动模型及预积分模型,然后对扩展卡尔曼滤波算法进行了简单的介绍,最后通过惯性测量单元的预积分均值及协方差和视觉算法解算出的观测值完成了基于李代数的扩展卡尔曼滤波算法的数据融合,实现无人机室内自主定位,并通过数据集对算法进行了实验验证。