由于传统GPS导航系统无法实现无人机室内定位,新型的室内定位技术成为无人机领域热门的研究方向。惯性测量单元(Inertial Measurement Unit,IMU)能够测量元件本身的角速度和角加速度,但是都存在明显的漂移,使得积分两次得到的位姿数据非常不可靠,而视觉传感器基本不会漂移,但具有由于短时间快速运动出现运动模糊以至于无法进行特征匹配的问题。综上,IMU能为快速运动提供较好的解决方式,而视觉传感器又能在慢速运动下解决IMU漂移问题,因而二者具有明显的互补性。传感器受到外界特殊环境或者本身故障的影响会使输出数据出现不可靠的“野值”情况。将量测噪声协方差矩阵建模为逆Wishart(Inverse Wishart,IW)分布时,根据变分贝叶斯可推导出其量测噪声近似服从t分布,因此可以模拟噪声野值的重尾特性。本文主要工作内容如下:(1)本文首先针对具体的多旋翼姿态解算模型提出了一种基于量测噪声协方差矩阵为IW分布的多旋翼姿态解算方法用于处理重尾噪声情况,通过采集的IMU的陀螺仪和加速度计数据进行仿真,并设置两组重尾噪声存在与否的实验和基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的姿态解算方法进行对比,实验结果显示所提姿态解算方法在重尾噪声条件下具有鲁棒性。(2)将视觉里程计和IMU采用松耦合的方式进行融合,使用IMU数据进行预测,然后在更新过程时只采用视觉里程计的输出作为量测值来矫正IMU积分的漂移。为处理视觉输出数据可能出现重尾噪声情况,故采用IW量测噪声协方差矩阵模型提出一种针对重尾噪声的视觉惯性组合导航方法。基于开源数据集,设置两组实验,将融合后的实验结果与单视觉里程计的实验结果进行对比,验证了融合算法的有效性,然后设置量测噪声出现重尾噪声情况,将融合结果与基于EKF融合框架结果进行比较,验证了本文提出的融合算法对重尾噪声处理的鲁棒性。