多旋翼无人机具有环境适应能力强、操控简便易掌握、飞行机动性强且稳定可靠等优点,近年来被广泛应用于军事、公安、农林等各个领域。围绕多旋翼无人机的组合导航算法,众多研究者基于高精度传感器进行了误差标定和多传感器数据融合算法的深入研究,并取得了诸多显著成果。然而随着旋翼无人机的应用推广,特别是成本昂贵的专用无人机,急需基于低成本传感器的组合导航算法以显著降低整机成本,因此对其解算精度、可靠性、实时性提出了较高要求。本文以长春光机所自主研发的CQ系列大载重专用无人机为研究平台,在深入研究已有高精度传感器的误差标定和组合导航算法基础上,提出了新型低成本元件的误差标定算法与组合导航EKF(Extend Kalman Filter,扩展卡尔曼滤波)算法,实现低成本传感器的高精度、高稳定性、高实时性的导航关键信息解算。针对无GNSS(Global Navigation Satellite System)信号的室内环境下,提出了基于视觉-惯导的EKF位姿估计方法,丰富了组合导航数据融合方法,实现了无GNSS环境下高精度的位姿估计。本文的主要工作有以下几个方面:(1)深入研究了无人机已有基于高精度传感器的数据标定方法、组合导航算法模型与解算过程,分析各型算法应用于低成本传感器时存在的缺陷,揭示组合导航算法的改进方法,为构建低成本传感器原始数据标定与组合导航算法奠定理论基础。(2)研究低成本磁力计和加速度计的误差来源,分别建立其误差标定模型。针对磁力计在多旋翼无人机上使用时磁场复杂的特点,提出了基于L-M(Levenberg-Marquardt)算法的联合正球拟合与带约束椭球拟合的磁力计现场快速标定方法,对影响无人机上磁力计的硬磁误差和软磁误差具有良好的标定效果。针对低成本加速度计的校正,提出了基于L-M算法的六位置现场校正方法,有效标定了加速度计零偏误差、尺度因子误差和非正交性误差。所提出的算法均给出详细的数学模型与解算过程,并通过实测数据验证算法的有效性与可靠性。本文所提出的磁力计和加速度计校正方法,无需外部高精度的辅助设备,即可有效标定低成本传感器存在的多种误差。(3)搭建了基于低成本惯性测量单元、磁力计、气压计、GNSS模块、双目相机的组合导航系统平台,针对低成本、高精度需求,提出了基于22维状态量的高维数EKF数据融合算法,构建了完整的数学模型与解算步骤,通过实测数据仿真证明了算法的高精度及其有效性。在组合导航算法的工程化实现中,针对异常干扰数据可能导致EKF发散问题,引入了互补滤波(CPF,Complementary Filter)监测模块并构建CPF-EKF监测算法,当EKF出现发散趋势时及时进行复位与姿态对准,保证了导航系统的高解算精度和稳定运行。通过实际飞行试验验证了所提出的CPF-EKF算法的有效性。(4)研究了无人机在无GNSS信号环境下的视觉-惯导EKF组合导航算法。在已经建立的基于22维状态量的高维数EKF算法基础上,针对视觉传感器的输出,提出了双目视觉与惯导系统相结合的视觉-惯导EKF组合导航位姿估计算法。以双目相机相邻关键帧之间的相对运动、位姿变换为约束,获取IMU(Inertial Measurement Unit)中陀螺仪和加速度计的偏置误差,并将其作为陀螺仪和加速度计偏差的观测量,引入至EKF数据融合过程进一步更新导航信息的最优估计值。通过EuRoC数据集仿真测试了视觉-惯导EKF算法的有效性,并在飞行仿真试验中充分验证了算法的位姿估计精度。