科技发展的日益进步促使着导航定位技术在日常生活中,甚至在军事或航空应用上都具有愈来愈重要的地位。由于卫星导航系统的日益成熟,基于全球定位系统(Global Position System,GPS)的导航定位系统逐渐成为导航定位领域不可缺少的一部分。为了获得更稳定、导航效果更佳的系统,组合导航系统成为了目前该领域的研究重点。由于卫星导航系统可以提供长期高精度的导航信息,且惯性导航系统(Inertial Navigation System,INS)不受外界环境干扰同时可以提供短期高精度导航信息,基于INS/GPS的组合导航系统成为了目前应用最为广泛的组合导航技术之一。然而,当载体处于建筑物或树林密集、水下、隧道等卫星信号受到干扰甚至屏蔽的环境时,卫星导航系统无法提供可靠的导航信息,同时惯性导航系统误差积累的缺点导致其无法长时间提供有效的定位信息,从而致使INS/GPS组合导航系统无法正常工作。得益于图像处理技术的不断成熟,视觉系统也愈来愈多地应用于导航定位领域,尤其是自动驾驶、无人机、机器人等最近新兴热门的领域。本文首先介绍了视觉导航系统的基本模型与原理,主要包括了视觉系统中几个主要的坐标系以及相机模型。在视觉导航系统中,特征提取与匹配是非常重要的一个步骤,文中对目前常用的特征提取与匹配算法进行了简单的介绍,考虑到各个特征提取算法存在的优缺点,本文采用了ORB(Oriented FAST and Rotated BRIEF)特征提取与匹配算法并对其进行了详细介绍,同时研究了基于ORB算法的视觉里程计算法,并通过实验验证了算法的可行性。针对惯性导航误差积累问题,首先分析了车辆运动约束模型,在车辆运动过程中,若假设理想状态下车辆不会从地面跳起或者不会发生横向漂移,则可以得出运动约束条件,将运动约束条件引入惯性导航系统中,就可以辅助惯性导航系统降低定位过程中的误差积累,最后通过仿真实验验证了算法的有效性。目前常用的扩展卡尔曼滤波(Extended Kalman Filter,EKF)通常用于估算系统误差并对其结果进行补偿。在由EKF估计误差补偿之后,系统结果中仍存在许多残余的高阶误差项。这些误差主要是由系统误差的非线性高阶误差引起的,而这些误差在EKF模型中常常被忽略。为此,本文提出将递归快速正交搜索算法与EKF相结合的方法,通过实验结果证明所提出算法具有有效性。最后本文提出INS/视觉组合导航算法,同时引入车辆运动特性约束和递归快速正交搜索算法以降低系统误差,提高导航定位精度,并通过实验证明在卫星信号受到影响的情况下,该算法依旧可以提供可靠的导航信息。