随着导航技术的快速发展,其应用范围也越来越广泛,不管是在民用领域,还是在军事领域都备受关注。其中惯性/视觉组合导航以其良好的互补性和自主性逐渐成为导航领域的重要发展方向之一。惯性导航利用惯性器件感知载体自身的运动信息,不需要引入外界信息,自主性高,但是解算误差会随时间积累。大量的生物学实验表明,蜜蜂和蚂蚁等昆虫能够利用视觉信息来执行精确的导航任务。当昆虫在环境中运动时,视网膜上的图像运动会产生光流信号,这种光流信号为昆虫的视觉导航提供了丰富的空间特征信息。在此背景下,本文借鉴昆虫的光流导航机理,利用视觉信息辅助惯性导航系统,研究基于光流的惯性/视觉组合导航定位定姿算法。首先介绍了基于光流的惯性/视觉组合导航原理,包括惯性/视觉组合导航常用坐标系、捷联惯性导航原理和基于光流的视觉导航原理三个部分。捷联惯性导航原理部分阐述了捷联惯性导航的姿态、速度和位置更新算法,而基于光流的视觉导航原理部分则主要围绕光流、光流场以及导航参数求解展开。其次研究了基于改进ORB（Oriented FAST and Rotated BRIEF）特征点的LK（LucasKanade）光流算法。在传统ORB特征点的基础上,引入SURF（Speeded Up Robust Features）算法在特征提取步骤中构建的Hessian矩阵,提出了基于Hessian矩阵的改进ORB特征点提取算法。并进行特征匹配性能实验和基于LK光流法的特征跟踪实验,测试了改进ORB特征点的性能。实验结果表明,改进ORB特征点相较于传统ORB特征点在特征点匹配和LK光流跟踪方面都有显著提升。然后研究了基于光流的3D运动参数恢复算法,在奇异值分解（Singular Value Decomposition,SVD）理论的基础上,对比了两种基于SVD的单应性矩阵分解方法,Faugeras SVD分解法和Zhang SVD分解法,综合分析后选取了Zhang SVD分解法。并使用KITTI（Karlsruhe Institute of Technology and Toyota Technological Institute）计算机视觉数据集对上述算法的实时性和精度进行了验证。实验结果表明,基于光流的3D运动参数恢复算法的精度较高,在实时性上具备进一步与惯性导航系统组合的可能性。最后基于粒子滤波技术,建立了惯性/视觉组合导航模型,包含完整的状态方程和量测方程。同样使用KITTI计算机视觉数据集对上述组合导航系统的精度进行了验证。实验结果表明,基于粒子滤波的惯性/视觉组合导航系统,相较于卡尔曼滤波,有更高的精度,能满足车载场景下的导航需求。