1.无人机室内自主导航方法，该导航方法依托的组合导航系统包括微机电惯性传感器组合IMU、磁强计、超声测距仪和气压高度计，所述微机电惯性传感器组合IMU包括加速度计和陀螺，其特征在于，所述导航方法包括以下步骤：步骤1.建立微机电惯性传感器组合IMU、气压高度计、超声测距仪的测量误差模型,具体包括气压高度计的输出数据随大气温度变化的模型、气压高度计的输出数据随季节变化的模型，超声测距仪的测距精度随超声波频率变化的模型以及上述传感器的测量误差的传播规律；

步骤2.建立微机电惯性传感器组合IMU的姿态角误差模型、磁强计的的姿态角误差模型；

步骤3.选择导航解算的数学模型，所述数学模型如下式：

其中，RN、RM分别为地球的卯酉圈曲率半径、子午圈曲率半径，λ、 h为无人机质心所在处的经度、纬度、海拔高度；Ve、Vn和Vu为无人机质心相对于地球的线速度在地理坐标系里的投影； 为地理坐标系相对于地球坐标系的角速度在地理坐标系里的投影， 为地球坐标系相对于惯性系的角速度在地理坐标系里的投影； 是无人机机体相对于惯性系的角速度在机体系上的投影 的反对称矩阵， 是 的反对称矩阵， 是地理坐标系相对于惯性系的角速度在地理坐标系里的投影 的反对称矩阵， 是从机体系到地理坐标系的L b姿态变换矩阵，g是地球引力场在地理坐标系里的投影，f是加速度计的敏感输出；

步骤4.选择数值计算方法，通过求解常微分方程组，得到初步的导航结果，具体包括位置、速度和姿态角；

步骤5.进行数据的融合；首先进行气压高度计的海拔高度数据和捷联惯导高度数据的融合；其次是通过微机电惯性传感器组合IMU解算的航向角与磁强计解算的航向角的融合，具体融合方法包括最小二乘法或卡尔曼滤波法；最后是超声测距仪的相对距离测量数据和上述导航数据的融合，目的是得到更精确的位置数据，具体的的融合包括最小二乘估计法或卡尔曼滤波法；

采用最小二乘估计法的估算数学模型如下：

其中，z1为SINS估计得到的航向角，z2为磁强计估计得到的航向角， 是SINS估计的航向角的误差的方差值， 是磁强计估计得到的航向角的误差的方差值，就是最终的航向角估计值；

采用卡尔曼滤波方法时，所采用的系统模型是航向姿态角的误差模型，测量模型是磁强计的航向角和SINS航向角的差值，采用卡尔曼滤波方法得到位置数据时，系统模型为位置误差模型，观测模型为基于航位推算的位置和来自超声测距仪的位置数据的差值；

步骤6.最终导航结果的输出；最终导航结果以Excel表格的形式保存或以数据文件的形式保存，这些导航数据均可在后台可视化处理。

2.根据权利要求1所述无人机室内自主导航方法，其特征在于，步骤4中，根据小型无人机不同的运动速度可选的数值计算方法包括欧拉法、二阶龙格‑库塔法、三阶龙格‑库塔法或四阶龙格‑库塔法。