近年来，无人飞行器已经在农业植保、灾难搜救、电影制作、低空监测等多个领域广泛应用。在这些应用中，无人飞行器的自主导航是关键技术，实现无人飞行器自主导航的传统方法是结合惯性导航和卫星导航。随着计算机视觉技术的快速发展，基于计算机视觉的导航技术趋于成熟，在传统导航方法失效的情况下，基于计算机视觉的导航技术可以起到很好的补充作用。其中无人飞行器位姿信息的获取是无人飞行器实现避障、路径规划和巡航等导航功能的前提和基础。在上述背景下，本文主要研究基于计算机视觉的无人飞行器位姿估计方法。　　针对单目视觉初始位姿的估计问题，本文对SVO中使用的光流跟踪+单应矩阵估计方法进行了改进，使用光流跟踪+单应矩阵/基础矩阵估计方法对初始位姿进行估计。通过检测光流跟踪的特征点的视差，自动选择初始化图像帧，根据匹配的特征点，同时计算单应矩阵模型和基础矩阵模型，通过评分从两个模型中选择最好的模型来求解图像帧间的相对运动。实验结果表明，与SVO中使用的光流跟踪+单应矩阵估计方法相比，本文改进的单目视觉初始位姿估计方法具有较好的鲁棒性和较小的初始姿态估计误差。　　针对单目视觉里程计中位姿估计问题，本文在SVO半直接法单目视觉里程计的基础上进行改进，融合了惯性测量单元数据对无人飞行器的位姿进行估计。通过惯性测量单元的预积分模型，对齐视觉估计模型和惯性测量单元估计模型，将惯性测量单元估计的位姿作为视觉里程计中的先验位姿，为直接法迭代求解相对位姿提供良好的初始值，并将视觉里程计结果用于因子图优化对惯性测量单元的状态进行更新，保证后续惯性测量单元的预积分的有效性。实验结果表明，改进后的位姿估计方法和原SVO方法、OKVIS方法相比，具有较小的绝对轨迹估计误差。