针对影像实时动态测量设备中相机和惯性测量单元（IMU）相对位置发生变化时，需要重新进行外参标定的问题，提出了一种Camera-IMU外参在线标定方法，能够在机械构型未知的情况下自动估计初始值和外参数。首先，使用全球卫星导航时间对齐IMU和相机的时间戳，通过奇异值分解求解旋转量的超定线性方程，改变阈值判定条件和加权方式，减少方程中的退化运动，并剔除外点，提高系统鲁棒性与外参精度，从而获得恒定的Camera-IMU旋转外参。然后基于获得的Camera-IMU旋转外参，固定滑动窗口，利用高斯牛顿法估计Camera-IMU的外参平移量。与原有在线标定方法相比，旋转外参标定方法的精度提高15%，平移外参的精度提高35%，实验结果表明所提方法是有效的。

为了实现低成本微惯性测量单元(MIMU)的自对准功能、提高自对准精度, 提出了一种基于级联卡尔曼滤波(KCF)的动基座GPS单天线辅助MIMU自对准方法。首先, 对GPS单天线测得的速度矢量随机误差进行了总平均经验模态分解(MEEMD), 信号重构后使用卡尔曼滤波对其降噪解算得到航向角测量; 其次,以基座姿态角和陀螺常值漂移为状态量建立了系统的状态方程, 并融合加速度计和GPS单天线测量信息, 建立了系统的观测方程; 然后, 使用自适应无迹卡尔曼滤波进行信息融合, 实现了基座姿态角的最优估计。经仿真验证对比, 所提算法有效提高了自对准精度。仿真结果验证了所提算法在GPS单天线辅助MIMU自对准中的优越性。

针对无人机室内无全球定位系统(GPS)信号、定位精度较低的问题, 提出融合视觉和惯性数据来实现无人机室内定位。前端改进特征匹配算法, 针对图像发生旋转运动提出了利用主成分分析法(PCA)计算旋转角度, 改变特征点所在网格及其8邻域网格, 并根据邻域特征点与匹配特征点欧氏距离设定高斯阈值, 提出新的分数统计模型, 使正确匹配对的数量增多, 提高了特征匹配的快速性和视觉室内定位的准确性。针对图像局部相似产生误匹配问题, 提出了利用特征点之间的几何关系确定数据集, 通过Pearson相关系数分析数据的相似性, 设定阈值剔除置信度较低的特征匹配对, 优化视觉估计无人机的位姿信息、后端采用视觉惯性基于滑动窗口的紧耦合优化位姿信息。通过设计室内光线正常与室内光线较暗情况下的无人机悬停实验, 分析其飞行日志可知, 改进后网格运动统计(GMS)算法的特征匹配速度是原算法的3倍, 并在局部相似区域剔除误匹配, 特征匹配准确率能达到94%, 无人机室内定位精度达到0.02 m, 能在复杂**环境中有更好的应用。

传统的系统级标定方法是将温箱压缩机、转台电机等环境引起的随机噪声视为白噪声，而实际过程中输出信号具有非平稳和非线性特征。最小二乘拟合法是一种线性回归方法，利用该方法求解的误差系数成为制约光纤捷联惯导系统实现高精度的关键因素之一。针对上述问题，该文提出了一种基于希尔伯特-黄变换的捷联惯导系统级标定改进算法。通过希尔伯特-黄变换去除惯性仪表原始输出信号中的高频随机噪声，再利用系统级标定法计算惯性测量单元(IMU)误差参数。经多组试验证明，该方法能够有效提高IMU误差参数辨识的准确性，1 h的动态导航位置误差相对减少约10%。

为提高车载组合导航系统的导航精度和可靠性, 在全球导航卫星系统(GNSS)信号正常工作的情况下, 该文建立了一种双天线GNSS/微惯性测量单元(MIMU)/轮速里程计(OD)组合导航模型, 实现了对MIMU和OD传感器误差特性的在线估计。在GNSS信号短期失锁的情况下, 基于双OD轮速比例修正(WRC)算法建立了MIMU/双OD组合导航模型。车载实验结果表明, 与无WRC组合模型相比, 该文设计的组合导航模型在120 s的GNSS信号失锁路段, 最大定位误差减小了63.9%, 定位误差标准差减小了80.1%; 在200 s时GNSS信号频繁中断路段, 最大位置误差为0.55 m。验证了所建立的导航模型和算法在复杂路况下工作的有效性。

量子精密测量在基础研究和原始创新中发挥了重要作用。激光与热碱金属原子系综的相互作用是量子精密测量领域的重要研究对象，在物理学的前沿探索和技术应用层次上都具有深刻意义，是科学研究的前沿热点之一。基于激光与原子相互作用原理，相关器件的超高精度、小型化、阵列化进程从原理与技术上获得了突破性的进展，形成了以无自旋交换弛豫（SERF）原子磁强计、相干布居数囚禁（CPT）原子钟、SERF原子自旋陀螺仪为代表的精密测量传感器件。本文结合近十几年来相关领域在磁场测量、时间测量、惯性测量方面的代表性成果和进展，从原理和应用两个角度总结了目前激光与热碱金属原子系综相互作用的研究状况，展望了基于激光与热碱金属原子系综相互作用原理的器件未来的发展方向。

运动相机相对位姿估计是基于机载光电平台进行视觉定位的关键技术。在大倾角、小交会角等典型受限观测条件下，相机位姿估计精度易受姿态角误差和像点提取误差的影响，使目标定位精度难以满足应用需求。针对惯性测量单元测量角度随时间发生漂移，且惯性测量单元与相机安装关系标定繁琐的问题，提出了一种惯性测量单元与相机固联安装下的对地定位方法，无需标定相机和惯性测量单元之间的安装关系。首先，利用固联安装的惯性测量单元为运动相机提供相对旋转角信息；然后，根据1个相对旋转角和4个同名点估计运动相机的相对位姿；最后，采用投影矩阵交会法线-线交会出目标的空间位置。仿真和飞行实验表明，在典型受限观测条件下，所提方法定位精度优于传统定位方法，具有高精度、高效率、强鲁棒性等优点。

在视觉惯性定位系统中，传感器位姿关系的标定对于实现精确空间定位至关重要，针对现有标定方法对多传感器系统缺乏集成性、标定精度受限等问题，提出了一种视觉惯性系统位姿高精度一体化标定方法。通过精密三轴转台提供角度基准，基于重力矢量不变性和匀速圆周运动下向心加速度数值的一致性求解惯性测量单元（IMU）与转台之间的外参，利用转台构建控制场为相机标定提供空间角度约束，联合优化求解无重叠视场多相机内外参。仿真和实验结果表明，该方法具有较高的标定精度和稳定性，在多相机IMU系统组合定位测试中，与经典标定方法Kalibr相比，本文方法系统运动轨迹拟合轴线的角度偏差降低40.32%，距离偏差降低18.93%，可满足高精度视觉惯性定位系统的标定需求。