近年来,随着计算机和电子信息技术的飞速发展,无人机领域也得到了飞跃式的发展。在无人机领域中,最基础也是最重要的研究方向就是无人机的导航定位。导航定位算法是无人机实现运动控制、自主导航等上层应用的基础。在实际工作和生产中,人们往往需要四旋翼无人机在山洞,隧道,野外等较为复杂的环境中完成作业,四旋翼无人机在此复杂的场景中工作时依靠单一的传感器无法完成可靠的定位。本文针对传统的导航定位方法鲁棒性、准确度和环境适应能力不够的缺点,重点研究了基于GPS/视觉/IMU等多传感器融合的定位算法,并且在四旋翼无人机平台上进行部署。论文主要工作如下:首先,针对无GPS信号的室内环境定位,本文研究了基于滤波法的视觉融合IMU的定位框架,针对相机和IMU数据采集频率不一致的问题,设计了多传感器时间同步算法。对于视觉里程计存在的累计误差问题,本文以误差卡尔曼滤波为基础,在状态更新阶段实现了克隆卡尔曼滤波算法,提高了定位算法的精度。另外对于视觉算法不够鲁棒的情况,本文也进行了相应的校正处理,提高了系统的鲁棒性。其次,针对有GPS信号的室外环境,为了实现鲁棒的长期无漂移的位置估计,本文研究了基于滑动窗口优化的GPS融合视觉算法。利用GPS和上述滤波方法得到的视觉惯导里程计之间的相关性,通过优化的方法来估计无人机系统的状态,为了减小系统的算力开销以便部署在机载设备上,本文设计了滑动窗口优化策略,通过边缘化的方法处理老旧的信息,将优化算法的算力开销控制在恒定范围内。最后,在公开数据集上以及四旋翼无人机上对算法做出了调试验证,证明了算法的实用性和健壮性。