El método de navegación integrada de múltiples sensores mejora la precisión de la navegación al fusionar diversos datos de sensores. Sin embargo, cuando un sensor se ve perturbado o falla, la información de medición incorrecta afectará seriamente la estimación de la trayectoria, lo que provocará una disminución en la precisión. Los modelos de grafo de factores existentes basados en pesos no pueden resistir completamente la influencia de las perturbaciones ni garantizar la racionalidad local de las trayectorias estimadas. En este documento, se propone un modelo de grafo de factores con restricciones locales que fusiona el campo magnético y los datos de navegación inercial peatonal para navegar trayectorias curvas complejas. Primero, añadiendo restricciones locales a la medición de navegación inercial peatonal se convierte el problema de solución de navegación en un problema de mínimos cuadrados no lineales con restricciones duras. Luego, se construye un modelo de mapeo para reconstruir el espacio variable y se utiliza el algoritmo de gradiente de Adam para realizar un cálculo rápido. La precisión de navegación de este algoritmo es mejor que la del método más avanzado en experimentos del mundo real, con una precisión promedio de 0,83 m.