分体式飞行汽车作为一种能够大量减少出行时间、缓解城市交通运输压力的城市未来交通工具,其由飞行模块、乘客舱和地面行驶模块组成。其中,模块间的自主导引降落对接使分体式飞行汽车能够实现在飞行模态与地面行驶模态之间进行转换。目前无人机自主导引降落技术存在相对定位数据获取源单一,定位数据易受环境影响,最终降落精度低等问题,且大多数研究集中在近距离的导引降落上,难以应用于全流程的分体式飞行汽车高精度自主导引降落上。为了解决上述问题,本文提出了一种基于多传感器数据融合的自主导引降落技术,结合RTK-GPS在大范围与视觉传感器在小范围高精度定位的特点,来获得更加精准、稳定的分体式飞行汽车模块间的相对位姿测量,以指导飞行模块在飞行过程中不断修正位姿偏差,最终完成全流程自主导引降落任务。对于自主导引降落过程中待对接模块的检测识别定位问题,在中程导引阶段使用Yolov4-tiny算法得到目标在像素坐标系下的定位信息,针对目标识别定位过程中出现的误检、漏检情况,使用基于滑动窗口的目标检测点密度聚类方法以及KCF核相关滤波算法分别对错误检测帧进行查找、修正。在近程导引阶段使用视觉基准库Apriltag算法以提供厘米级的近距离定位精度,并进行姿态补偿以提高算法在风扰条件下的适应性。对于自主导引降落过程中精准稳定的模块间相对定位测算问题,使用了基于卡尔曼滤波多传感器数据融合的模块间相对位姿定位算法,融合RTK-GPS与视觉定位数据以获得更加精准、稳定的模块间相对位姿检测信息流。并在近程导引阶段使用基于修正因子的数据融合方法,试验表明基于修正因子的近程数据融合算法的位置估计误差比原算法降低约28%。对于自主导引降落过程中便捷式状态数据显示、控制集成问题,首先分析了参与自主导引降落过程的各类传感器数据通讯方式、传递流向问题,然后针对系统的需求对显控集成模块所应具备的功能进行分析梳理,并基于Qt-ROS的环境中完成显控集成模块相应的设计开发工作,使自主导引降落过程可控化、信息化、便捷化。为对所提算法的可行性以及所设计开发软件的实用性进行验证,搭建了无人机自主导引降落仿真平台以及实际工程应用平台,分别在两种平台下验证了待对接模块识别定位算法、多传感器数据融合定位算法的可行性以及显控集成模块的实用性,最终还在分体式飞行汽车原理样机上完成了自主导引降落试验。