近几年随着民用无人机的发展,黑飞无人机引发了一系列安全问题,如何高效的实现无人机监测是亟待解决的问题。无源监测具有不发射电磁波,不受监测目标外型、颜色等因素影响等优点,近年来广泛应用于无人机监测领域。目前阵列天线的无源定位方法设备复杂度较高,应用受限。基于多点透视问题(Perspective-n-Point,Pn P)的图像定位技术抗异常值能力较弱,且需要提前获知相机焦距,无法很好地适应非合作方无人机监测的应用场景。本文针对现有Pn P定位算法的问题,从提高已知焦距算法的抗异常值能力和提高未知焦距算法的稳定性及解算速率入手,对基于Pn P的图像定位技术进行了深入研究,主要研究内容如下:1.结合监测系统的定位需求,设计了基于Pn P问题的总体监测方案。无人机图传信号的获取与解析是后续Pn P算法的数据来源。根据无人机图传信号的数据类型、传输协议等特征,在Linux系统下,提出了一种利用Wireshark+无线网卡实现无人机图传信号捕获与解析的方案。从相机成像原理入手,描述了相机世界系与世界坐标系之间的关系,为后续展开Pn P相关算法研究奠定了理论基础。2.在焦距已知的情况下,针对现有算法抗异常值能力较弱的问题,提出了一种基于正交迭代的二值加权算法。结合无人机图像与确有3D信息之间的匹配情况,在正交迭代算法的基础上,引入了二值加权系统来判定参考点的可靠性,提出了一种基于正交迭代算法的二值加权Pn P算法。该算法选取重投影误差的四分位数中的最大值作为阈值,同时引入一个与最大重投影误差成正比,与焦距成反比的阈值加速算法在异常值比例较低时的收敛速度。以两个阈值中较大的作为最终阈值,对所有参考点进行二值加权,降低了异常值对目标函数的影响,提升了算法的稳定性。仿真验证了该算法的可行性。3.在焦距未知情况下,针对现有算法稳定性低、运算速率较慢等问题,建立了垂直投影模型,根据该模型,提出了一种基于线与面特性的Pn P算法。在几何透视模型基础上,将3D参考点垂直映射到成像面,通过从图像坐标原点分别指向垂直映射点与2D像点的向量间的关系,构建了3D参考点与2D像点间的比例关系模型,进一步利用线与面的特性,将旋转矩阵的解算模型构建为不含未知焦距的多项式系统。该算法利用特征值法将多项式求解问题转化为稀疏矩阵分解问题,降低了计算复杂度。通过垂直投影3D参考点消除了未知焦距的影响,获得了较高的稳定性。实验验证了该算法的可行性。