在现代导航应用中,惯性导航系统与GNSS组合方式因具有非常多的优点而被广泛采用。典型的GNSS/INS组合导航系统,不仅可在很多恶劣的GNSS观测环境下用惯性传感器自主导航,还可通过GNSS的辅助有效地抑制惯性器件的漂移和零偏误差。然而,其导航的精度很大程度上取决于惯性器件性能。随着无缝导航需求的日益增长,视觉里程计(VO)引起了研究者们广泛关注。它可以在GNSS信号缺失的情况下连续地校正惯性导航系统误差,实现准确一致的自运动估计。因此,视觉传感器很自然的成为了一种用于提高导航系统整体性能的外部辅助选择。本文重点研究了GNSS与视觉传感器辅助IMU的行人导航问题,主要内容如下:1、研究了基于行为分类识别的惯性距离测量方法,它包含两个关键部分,计步和步长估计。该方法首先对行为的模式区分进行了研究,在行为分类的基础上给出了综合时频域的计步方法。为了适应不同的行为模式,构造了两段步长函数模型用于步长估计。2、设计了一个综合点特征和结构化线特征的视觉惯性里程计,通过优化IMU预积分测量误差、点线重投影残差、先验残差来估计相机的位姿。3、研究了视觉传感器辅助GNSS/INS组合导航问题,并设计了一种视觉辅助的GNSS/INS融合导航序贯卡尔曼滤波框架。通过单目相机周期性的校正,在GNSS信号不可用的情况下,可以有效的抑制惯性误差以确保更长时间的自主推算能力。