混凝土建筑设施容易开裂产生裂缝,不仅影响美观,降低耐久性,甚至还会对人民生命财产造成威胁。传统建筑物检测方法为人工检测,其存在主观性强、效率低甚至对危及监测人员安全等问题。近几年无人机大受热捧,已经有人开始研究在建筑物检测工作中采用无人机来实现,然而绝大部分都属于手动控制,其检测效果很大程度上取决于飞手的操作水平,主观性强,并且容易出现事故。为了满足不断发展的建筑物检测事业需要,本文通过无人机平台来进行对建筑物的检测。根据建筑尺寸信息预设无人机飞行路径,通过无人机携带的摄像头采集建筑物表面图像,最后离线进行图像处理完成检测。在基于建筑物检测的基础上,本文主要深入进行无人机定位导航系统方面的研究,论文的主要内容如下:(1)开展了无人机定位导航系统整体方案设计,设计了无人机IMU(Inertial Measurement Unit)与光流组合定位导航系统以及系统的软硬件整体结构,研究了无人机建筑物检测基本流程,分析了检测过程中的技术难点,对无人机惯性导航系统进行了简要介绍。(2)设计了基于改进自适应卡尔曼滤波的无人机姿态估计方法。为了能达到无人机运动姿态要求,在传统卡尔曼滤波算法的基础上,着重进行自适应卡尔曼滤波算法的研究,提出了一种能同时动态调整系统和量测噪声协方差矩阵的自适应卡尔曼滤波算法,通过计算新息序列的变化来实时调整相关参数,以此来跟踪系统模型变化,并引入了衰减因子防止滤波发散,最后通过实验验证了该算法的有效性。(3)设计了基于IMU与光流传感器数据融合的无人机改进粒子滤波定位方法。首先简要介绍了无人机光流定位的基本原理,详细分析了无人机粒子滤波定位的基本过程,针对数据融合过程中存在的粒子退化现象,提出了将动态系统重采样以及EKF(Extended Kalman Filter)算法相结合进行粒子滤波定位,对无人机建筑检测定位模型进行了研究,最后简单设计了实验进行分析。(4)设计了无人机建筑检测定位实验。针对无人机建筑检测要求进行了仪器设备选型,完成了实验平台的搭建,并进行了现场实地无人机飞行定位实验以及分析。本文设计的无人机建筑检测定位导航系统克服了GPS信号过弱导致定位不准的问题,能够保证良好的飞行定位精度,具有较高的安全性与实用性,经过实验研究表明,该系统达到了预期的设计目标。