由于自主导航需求与应用环境的多样化与复杂化,自主性好、精度高且成本低的视觉/惯性组合导航已成为研究热点。相比于单一的视觉导航或惯性导航,视觉/惯性的组合导航方式可以解决特殊场景下导航效果不佳及惯性导航累积误差的问题,从而提高系统的鲁棒性与准确性。本文基于此背景,对视觉/惯性组合导航相关算法进行研究与改进,且设计了一个面向无人机的视觉/惯性组合导航系统,通过公开数据集EuRoC MAV实验及室外实验,对本文组合导航系统的有效性进行了分析与验证。由于相机在运动的情况下容易出现图像模糊的情况,影响视觉导航的定位精度,因此需要对模糊图像进行去模糊处理。针对传统图像去模糊算法普遍存在耗时长、算法复杂性高等缺陷,本文提出一种基于Retinex算法改进的图像去模糊算法,首先利用Retinex算法对原始模糊图像进行边缘增强处理,然后采用迭代交替优化的方式进行复原图像与模糊核的估计,最后进行解卷积获得最终的清晰图像。通过实验证明,改进的去模糊算法既能降低算法复杂度,又能减少算法运行时间。由于视觉里程计最核心的算法是图像特征点的检测、跟踪与匹配,且匹配精度将直接影响载体运动估计的准确性,因此需要提高特征点检测与匹配的效率与质量。本文针对传统定位算法精度低,耗时长等问题提出一种基于SVD的改进单目视觉里程计算法,首先利用SVD对图像进行压缩处理,然后进行特征点的检测,接着利用NCC与RANSAC算法进行特征点匹配,最后进行载体运动的估计。实验结果表明,与传统的视觉里程计算法对比,本文的改进算法不仅精度高,而且耗时短。由于视觉/惯性组合导航中IMU测量存在反复传播导致的计算量大等问题,因此本文采用IMU预积分的方式进行IMU测量,然后通过视觉与IMU的联合初始化完成紧耦合单目视觉惯性里程计的设计,最后进行全局姿态图优化。为了对本文组合导航系统的性能与实用性进行验证,首先利用EuRoC MAV公开数据集对系统的高精度性与高鲁棒性进行了实验验证,然后设计了一个用于视觉惯性数据采集的PC软件,利用该软件进行室外实验的数据采集,并利用室外实验数据对本文组合导航系统的有效性进行验证。最后的实验结果证明:本文的组合导航系统不仅具有高精度性而且具有高鲁棒性。