La posición precisa de los Vehículos Aéreos No Tripulados (UAV) es vital para la cooperación en enjambres. Sin embargo, esto sigue siendo un desafío en situaciones donde el Sistema Global de Navegación por Satélite (GNSS) y otras infraestructuras externas no están disponibles. Para abordar este desafío, proponemos utilizar únicamente la Unidad de Medición Inercial de Sistema Microelectromecánico (MIMU), un sensor magnético, una cámara monocular y un dispositivo de Banda Ultra Ancha (UWB) para construir un sistema de localización cooperativa distribuido y sin anclajes mediante la fusión estrecha de las mediciones. Dado que las mediciones de UWB a bordo bajo condiciones de movimiento dinámico son ruidosas y discontinuas, proponemos un método de ajuste adaptativo basado en la detección de chi-cuadrado para filtrar de manera efectiva la información de rango inconsistente y falsa. Además, introducimos la teoría de solo pose para modelar la medición visual, lo que mejora la eficiencia y precisión del procesamiento visual-inercial. Se construye un Filtro de Kalman Extendido (EKF) de ventana deslizante para fusionar estrechamente todas las mediciones, que es capaz de funcionar en condiciones de UWB o visualmente privadas. Adicionalmente, un novedoso método de inicialización de Escalado Multidimensional-MAP (MDS-MAP) fusiona datos de rango, MIMU y geomagnéticos para resolver el problema de optimización no convexo en la localización y mapeo simultáneos (SLAM) asistidos por rango, asegurando una rápida y precisa inicialización de la pose absoluta del enjambre. Para superar el desafío de consistencia del estado inherente a la estructura cooperativa distribuida, modelamos no solo la incertidumbre ruidosa de UWB, sino también la incertidumbre de posición del agente vecino en el modelo de medición. Además, incorporamos el método de Intersección de Covarianza (CI) en nuestro proceso de fusión de mediciones UWB para abordar el desafío de correlaciones desconocidas entre las estimaciones de estado de diferentes UAV, asegurando una estimación de estado consistente y robusta. Para validar la efectividad de los métodos propuestos, hemos establecido plataformas de prueba tanto de simulación como de hardware. El método propuesto se compara con enfoques de localización de UAV de última generación (SOTA) diseñados para entornos desafiantes para GNSS. Experimentos extensos demuestran que nuestro algoritmo logra una precisión de posicionamiento superior, mayor eficiencia computacional y mejor robustez. Además, incluso cuando la pérdida de visión provoca fallos en otros métodos, nuestro método propuesto continúa funcionando de manera efectiva.