目前,无人机多采用GNSS和惯性信息融合的导航系统,然而,很多应用场景下GNSS的可靠性会受到限制,因此研究GNSS受限条件下的无人机导航技术具有重要的应用价值。在无人机负载有限的前提下,单目视觉和惯性信息融合是GNSS受限条件下无人机导航定位的良好替代方案。本文展开了无人机视觉惯性融合技术研究,通过单目视觉和惯性信息融合解决无人机导航中位姿估计这一关键问题。本文首先介绍了无人机视觉导航技术中的基础理论,分析了GNSS受限条件下无人机视觉导航的关键技术,研究了无人机视觉位姿估计技术。针对视觉位姿估计技术中的尺度不确定性等问题,进一步研究了无人机视觉惯性融合技术,最后分别在仿真环境中和数据集上进行了无人机位姿估计的实验验证和分析,证明了本文的无人机视觉惯性融合位姿估计算法具有良好的精度性和稳定性。本文主要完成了以下几个方面的工作:1.首先针对GNSS受限条件下的无人机位姿估计问题建立数学模型,通过数学模型分析无人机位姿估计需要解决的关键问题,然后针对无人机位姿估计中的关键技术进行分析,接着研究了相机成像模型和坐标转换关系,介绍了描述无人机运动的数学描述方法,最后对求解非线性优化问题的一般步骤进行分析。2.其次研究了特征点法视觉位姿估计技术。为了满足无人机位姿估计的实时性要求,本文采用了ORB特征点,并使用了基于四叉树算法的特征点筛选策略。初始的无人机运动估计采用了并行计算基础矩阵和单应性矩阵并根据经验公式选取最优的策略。初始化完成之后,采用光束平差法进行无人机运动估计。为了建立用于无人机运动估计的稀疏地图,采用了三角测量技术计算空间点坐标,并使用关键帧技术维护局部地图。3.然后针对单目视觉尺度不确定性问题,在特征点法视觉位姿估计的基础上,进行了无人机视觉惯性融合位姿估计技术研究。分析了IMU测量模型,采用IMU预积分技术处理IMU数据。初始化采用视觉惯性松耦合策略,计算相机和IMU的相对位姿,校准陀螺仪的零偏,完成重力方向,速度和尺度因子的初始化。接着基于滑动窗口技术进行视觉惯性紧耦合的后端优化,分析了后端优化的求解步骤,研究了视觉误差和IMU测量误差的目标函数及其雅可比矩阵,并采用舒尔补法的边缘化策略使得维持恒定计算复杂度的同时保证系统的计算精度。4.最后进行了无人机位姿估计算法的实验方案设计和精度分析。分别在仿真环境和Eu Ro C数据集上进行了位姿估计的实验,搭建了无人机仿真场景,进行无人机动力学仿真和传感器仿真。采用绝对位姿误差(APE)来评价位姿估计算法的定位精度,并使用均方根误差等统计学参数对绝对位姿误差进行评价。通过实验证明了本文的视觉惯性融合位姿估计算法具有良好的精度,并通过和开源视觉惯性融合方案ROVIO进行对比实验,证明了本文视觉惯性融合算法在精度和稳定性方面的先进性。