1.一种利用多传感器融合的无人机室内外自主导航方法，包括视觉预处理、视觉状态估计、IMU姿态校正、全局优化、模糊回环检测和地图构建；所述视觉预处理包括YOLOV5‑LITE目标检测层、区域特征提取层、特征分割层和距离检测层；

S1、YOLOV5‑LITE目标检测层，设双目摄像头采集到的双目图像的宽度为W高度为H，使用YOLOV5‑LITE进行目标检测，得到双目目标图像，以双目目标图像的左上角为原点，建立图像坐标系，以双目目标图像的左上角为原点，水平向右为X轴正方向、以竖直向下为Y轴正方向；

S2、使用区域特征提取层对双目目标图像进行ORB特征检测，ORB特征的关键点使用改进的OrientedFAST算法，它的描述符为BRIEF；首先对双目图像选取460个ORB特征点；最后根据特征点是否是在目标边框中进行分类，目标边框之外为环境特征点，目标边框之内为动态目标特征点；

S3、特征分割层对检测出来的特征点进行特征抑制，使用绿色表示环境特征点，使用红色表示动态目标特征点，动态目标特征点不参与多任务视觉里程计的特征匹配；动态目标特征点用于对目标物体的距离进行预测，从而解决导航中的避障问题；

S4、使用距离检测层对目标物体进行距离预测时，将双目图像进行特征抑制，对动态目标特征点进行特征匹配，利用双目测距原理对环境中的动态物体进行距离测量；所述模糊回环检测根据环境不同使用不同的传感数据进行回环检测；当惯导与视觉传感器处于室内时，利用图像特征点检测和UWB数据共同进行回环检测任务，在进行回环时，图像特征点的数量可以减少到30个特征点，同时满足UWB定位坐标与视觉状态估计得到的定位坐标的欧氏距离小于阈值T时，则认为回环成功；当惯导与视觉传感器处于室外时，利用图像特征点检测和GPS数据共同进行回环检测任务，在进行回环时，图像特征点的数量可以减少到30个特征点，同时满足GPS定位坐标与视觉状态估计得到的定位坐标的欧氏距离小于阈值K时，则认为回环成功。

2.根据权利要求1所述的一种利用多传感器融合的无人机室内外自主导航方法，其特征在于：所述视觉状态估计用于计算相邻两帧图像相机位姿的改变量并估计环境中的特征点三维坐标，由于前后两帧相机视角变化不大，所以两帧图像对观测到的相同的路标点产生相应的观测数据。

3.根据权利要求1所述的一种利用多传感器融合的无人机室内外自主导航方法，其特征在于：所述IMU姿态校正利用视觉状态估计中得到的相邻两帧图像之间的变换关系，进一步结合IMU解算信息利用卡尔曼滤波器进行微调，从而得到更加准确的帧间位姿估计。

4.根据权利要求1所述的一种利用多传感器融合的无人机室内外自主导航方法，其特征在于：所述全局优化对全局路径进行优化，由于在视觉状态估计中只估计相邻两帧的位姿和局部地图，累计误差会逐渐增大，所以全局优化将不同时刻的位姿和地图为输入信息，最后得到全局一致的位姿和地图；当沿着一定轨迹行驶时，相机在任意时刻的位姿xi可以用李代数ξi表示，路标点Pj的三维坐标用pj表示，观测数据zis,j代表像素平面坐标，那么由光束法平差算法定义的累计误差可以表示为：，

上式中，h(ξi,pj)代表估计值；

由此可以定义在所有时刻的关于误差的目标函数：

，

考虑长时间内所有位姿和路标时，创建的目标函数有非常多的变量需要优化，对上述公式的求解需要利用了光束法平差算法创建的增量矩阵的稀疏性。