无人机体积小、空间自由度高,在勘探、监视、搜索及救援等场景中占据不可或缺的位置,具有广泛的应用价值。高精度稠密地图是无人机完成定位、避障及导航任务的前提,受到了学术界和工业界的重点关注。传统基于无人机的稠密建图方法依赖于深度相机测量的景深信息,如RGB-D相机,应用的广泛性受到制约。为此,本文重点研究基于单目相机与惯性导航测量单元（IMU）融合的稠密三维地图创建,主要贡献如下:针对单目视觉位姿估计在快速运动中定位易失败的问题,利用IMU的高频率测量和不依赖外部环境特征的优点,提升高频抖动情况下的位姿跟踪鲁棒性,因此,本文利用IMU辅助解决了纯视觉的位姿估计方法在高速运动下的精度下降问题。实验表明,本文方法的视觉惯导前端在快速运动下依然能进行稳定跟踪,而著名的纯视觉的ORB-SLAM2方法会定位失败。针对单目视觉无法直接获取景深信息的关键问题,本文利用基于传统的单目深度估计技术,先通过四叉树结构选取代表像素进行代价计算与动态置信度传播,完成初步深度估计后,结合从高纹理地区提取的像素深度值以及深度插值法,进一步稠密化深度图,最后根据时间融合概率模型生成稠密的深度图,用于三维点云地图与三维栅格地图创建。该方法是一种融合多方法的传统深度估计法。实验证明,本文方法在弱纹理以及纹理不明显区域依然能稳定得到一定数量的深度值。本文主要创新在于将改进后SGM半全局算法与四叉树结构像素选择方法相结合,通过提取高纹理地区像素、深度插值以及融合时间概率模型图等方法得到可靠深度图,再结合前文的单目与IMU融合的鲁棒位姿估计方案,构建出一个能在无人机平台上三维地图实时创建系统。