摘要：针对无人机自主导航的实时性差、精度低且对时变噪声的鲁棒性弱的问题,建立了机器视觉和惯性导航相融合的组合导航系统,并提出了一种自适应平方根无迹卡尔曼滤波(adaptive square-root unscented kalman filter,ASRUKF)算法。该算法通过观测值与估计值残差的Mahalanobis距离时刻修正系统噪声协方差,再与采用最小偏度采样的SRUKF算法相融合,从而达到时变噪声自适应抑制,滤波快速且对噪声鲁棒性高的效果。仿真结果表明,相比标准SRUKF,ASRUKF计算耗时减少约38.8%,位移、速度和姿态角预测精度分别提高超过4倍和6倍,且对于时变噪声鲁棒性更强。