无人机凭借其体积小、速度快、隐蔽性好和生存能力强等优点，在军事领域和民用领域等得到愈加广泛的应用。导航技术是无人机安全飞行的基础，是无人机系统的关键组成部分。无人机导航技术主要包括定位、避障、目标检测和路径规划等方面，本文针对无人机的定位算法和目标检测进行研究论述。　　在室内等环境下，无人机无法使用GPS等定位方法，且受到无人机载重和功率的限制，传感器的使用有局限性。基于惯性传感器的惯导系统（inertial navigation system，简称INS）和基于视觉的同时定位与建图(simultaneous localization and mapping，简称SLAM)都存在各自的有点与不足。通过融合INS与SLAM系统提出的复合定位方式成为室内定位的主流方法。本文设计一种基于核自适应滤波算法，融合惯性传感器与视觉传感器数据的无人机室内松耦合定位系统，提高无人机的室内定位精度。　　快速准确的检测到抓取目标以及目标在图像中的位置，是提高无人机抓取与搬运效率的前提，准确的检测到不同物体的最优抓取框，是提高无人机抓取成功率的保障。传统的无人机抓取研究多事借助外部设备来获取无人机与目标间的位置与姿态信息，如使用运动捕捉系统等，但这些方法都有各自的局限性。本文设计一种无人机抓取场景下的物体检测系统，通过基于卷积神经网络的目标检测算法为无人机提供物体的种类与在图像中的位置信息，控制无人机飞行到目标上空，使用RGB-D传感器获取目标的图像与深度信息，基于深度学习网络训练出最优抓取框，为无人机抓取提供信息。　　本文对上述系统涉及的原理和数学模型进行讨论与分析，介绍系统的流程与关键步骤，并通过实验进行验证，对实验结果进行分析讨论。结果表明，室内定位系统能够提升无人机的定位精度，抓取场景下的物体检测系统能够提供目标的种类、位置与最优抓取框。