基于INS/GPS的组合导航系统由于其良好的性能互补性而成为导航技术领域的研究重点。但是由于该组合导航系统对GPS信号依赖程度过高,而GPS信号又很容易受到人为因素或者外界环境的干扰而造成信号堵塞或者失效,进而严重影响INS/GPS组合导航系统的导航与定位精度。因此,为了保持GPS失效时组合导航系统的定位精度,需要添加合适的辅助导航设备。随着计算机视觉技术的快速发展,具有价格低、耗能少、信息量丰富等特点的视觉里程计得到了广泛关注,而基于视觉里程计辅助的INS/GPS组合导航系统也成为导航领域的一个研究热点和重要的发展方向。如何从视觉传感器获取的图像序列中提取到周围环境特征点的信息是实现视觉里程计的基础,同时也是提高基于视觉里程计辅助的INS/GPS组合导航系统定位精度的关键技术之一;由于视觉里程计辅助的INS/GPS组合导航系统具有强非线性,因此需要研究组合导航系统的非线性滤波技术。本文围绕上述两个方面的问题展开了研究,论文的主要工作有:由于视觉特征提取算法是视觉里程计的基础,因此首先对视觉特征提取算法中常用的三种方法进行了详细的对比分析,其中包括尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征提取算法、快速稳健特征(Speeded-Up Robust Feature,SURF)提取算法和加速分割检测特征(Feature from Accelerated Segment Test,FAST)提取算法,并利用具有不同变换的图像序列对其各自的性能进行了对比,分析结论指出FAST特征提取算法可以快速有效地提取到图像特征点,但该算法对于噪声比较敏感。为了解决这一问题,本文提出了相应的解决算法,结合随机抽样一致(Random Sample Consensus,RANSAC)算法对标准FAST特征提取算法进行了改进:利用RANSAC方法对匹配的特征点进行提纯,剔除误匹配点对,从而减小噪声或者图片质量降低对特征提取与匹配的影响。结合改进的FAST特征提取算法,提出了一种改进的双目视觉里程计算法。该算法首先利用改进的FAST特征提取算法对图像序列中的特征点进行提取与匹配,获得较高精度的匹配特征点对,然后根据双目视觉里程计算法,估计出双目视觉系统的实时定位与导航信息。利用车载试验验证了本文提出的双目视觉里程计算法的可行性和优越性。由于视觉里程计辅助的INS/GPS组合导航系统的非线性和模型噪声的统计特性未知,因此严重影响着组合导航系统中滤波算法的精度。为此,本文提出了一种基于方差分量估计(Variance-Covariance component Estimation,VCE)的容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法。该算法中利用非线性滤波算法,即CKF来解决非线性系统的状态估计问题,利用基于VCE的自适应滤波方法估计出系统的系统噪声和观测噪声,仿真结果表明该算法有效提高了非线性系统的状态估计精度。最后本文利用基于VCE的自适应CKF滤波算法提出了 一种组合导航算法来解决视觉辅助的INS/GPS组合导航系统中GPS信息失效时对运载体的导航与定位问题,并将该算法应用到实际的车载试验中。实验结果表明该算法在视觉辅助的INS/GPS组合导航系统中的可行性和有效性。