四旋翼无人机以其体积小,操控性强,自由度高等优点,可搭载多种传感器以实现垂直起降、高空悬停等功能,被广泛应用于摄影、救援、军事等各个领域。而无人机如何通过自身传感器获取自身定位,是实现无人机智能化的关键技术。近年来随着计算机视觉的高速发展,视觉SLAM已成为无人机获取自身定位的重要技术之一。本文以四旋翼无人机为实验平台,开展基于视觉SLAM与惯性导航融合的无人机位姿估计算法的研究。旨在使四旋翼无人机在无GPS的情况下,通过融合双目相机获取的位姿信息和惯性测量单元采集的信息,为四旋翼无人机的自主飞行控制提供稳定可靠的姿态、位置信息。主要研究内容如下:（1）针对视觉SLAM前端ORB算法存在图像分布不均匀、匹配程度不高、匹配精度差的问题,本文通过网格划分的方法,计算网格内图像灰度值以提取角点,对于不同金字塔层构建不同深度的四叉树,融合BRIEF-LBP特征描述子提升ORB算法匹配精度,最后对视觉得到的信息进行位姿估计实验。实验结果表明,对比其他改进算法,本文算法在速度提升了2%-5%,特征点分布均匀度提升了8.9%-10.7%,在无人机进行稳定飞行的情况下,有很好的定位效果。（2）针对视觉SLAM在快速运动时出现模糊、重影,定位精度变差甚至丢失的问题,本文采用基于滑动窗口方法,对IMU测量得到的运动数据和视觉信息估计的运动数据进行融合。对IMU信息进行预积分处理,根据IMU运动模型可以得到下一帧图像的预积分增量预测值,预测值与实际情况下观测到的预积分观测值相比存在一个误差量,再将误差量带回视觉模型中,并对滑动窗口内的数据信息进行边缘化处理,降低系统计算量,提升系统的实时性。实验结果表明,对比视觉惯导融合算法VINSmono,本文算法对位姿估计精度有明显的提升,从最大最小轨迹误差至平均轨迹误差上本文算法都要优于VINS-mono,平均绝对轨迹误差更是比VINS-mono提升了80%左右。