无人机是一个极具挑战性,应用前景异常广阔的领域,内容涉及姿态测量,导航控制,机器人,嵌入式系统,无线传输等方面。而姿态测量作为导航控制的输入,如何做到高精度,小体积,低功耗更是无人机研究的一个重中之重。无人机姿态测量以及导航系统发展至今,已经具有了较为完整的系统体系,已发展出纯惯性导航系统(INS)、GPS辅助惯性导航系统(GPS/INS)、视觉辅助惯性导航系统(Vision/INS)等多种方案。惯导系统由于其独有的特点使其在姿态测量中有着先天的优势,加上近几年兴起的MEMS传感器件更是非常适用于无人机的姿态测量。本文就是介绍如何以各种MEMS传感器作为测量单元,配合数据融合算法,得到一套精度较高的姿态测量系统。本文首先给出了姿态测量的基础理论,包括常用坐标系以及姿态的常用表示;接着详细介绍了对处理器芯片以及传感器的选型,并进行具体的硬件设计,得到一个实用化的姿态测量硬件平台,这是本文的重点之一;最后介绍数据融合算法KALMAN滤波以及无人机的非线性运动学模型,这部分是全文的理论中心。通过将无人机的非线性模型根据扩展KALMAN滤波的要求进行线性化,得到KALMAN滤波的迭代方程,最后编程实现,结合姿态测量硬件平台实现传感器的原始数据融合,得到最终的姿态输出。文中给出了详细的实验过程调节KALMAN滤波参数,并最后得到了一套完整的姿态测量平台。文中还在最后指出了本设计的不足以及今后的改进方向,具有实践性的指导意义。