视觉/惯性组合导航是一种典型的自主导航技术,可在卫星导航信号拒止的条件下为无人平台提供可靠的导航定位服务,在众多领域尤其是军事领域中有着广阔的应用前景。本文针对无人平台对自主导航的需求,开展视觉/惯性组合导航算法设计及其基于嵌入式CPU/GPU异构平台的实现技术研究。本文主要研究工作和贡献总结如下:(1)研究了基于扩展卡尔曼滤波的视觉/惯性组合导航算法。首先,介绍了基于MIMU的捷联惯导系统的运动模型,分析建立了惯导系统的误差状态微分方程。其次,通过对惯导系统的状态变量进行增广,给出了组合导航系统状态变量和误差状态变量的定义,推导了组合导航系统的误差状态微分方程。然后,研究了载体在相邻两帧图像之间的位置增量误差、姿态四元数增量误差与组合导航系统误差状态变量之间的关系,进而构建了一种视觉量测模型。最后,研究了基于EKF的组合导航滤波算法,实现了组合导航。车载实验表明,本文设计的组合导航算法具备较高的导航定位精度(优于1.0%×里程),且能够实时运行。算法的有效性、鲁棒性得到了实验的验证。(2)研究了组合导航算法基于嵌入式CPU/GPU异构平台的实现技术。在本文的组合导航算法中,SURF特征的提取与匹配属于计算密集型任务,若将其交由CPU执行,将会导致组合导航算法难以实时运行。由于SURF算法具有很高的可并行度,非常适合利用GPU对其进行并行加速。为了尽可能降低特征提取与匹配的时间开销,本文在算法研究的基础上,设计了组合导航算法基于嵌入式CPU/GPU异构平台的实现方案并研究了具体的实现技术。基于方案,分别研究了SURF算法原理及其基于CUDA的并行化设计与实现、视觉里程计的异构设计与实现以及组合导航算法的异构设计与实现。实验表明:本文设计的CUDA-SURF算法大幅降低了SURF特征提取与匹配的时间开销,提高了组合导航系统的运行效率;本文实现的嵌入式异构组合导航系统具有较高的精度和较强的鲁棒性,且具备实时运行能力。