近年来,随着无人机技术的迅速发展,使得无人机的应用领域越来越广泛,如情报监视与侦察、农业生产、抢险救灾等,涉及了人们生产生活的各个方面。准确高效的无人机定位系统是保证无人机完成各项任务的重要前提。目前,应用最广泛的无人机定位系统是由全球卫星导航系统和惯性导航系统的组合导航方式实现的,但是由于全球卫星导航系统的信号易受其他无线电信号干扰,导致无人机的定位精度降低,甚至完全无法定位。如何解决在全球卫星导航系统拒止情况下的无人机定位问题也已成为无人机定位技术领域的研究热点。因此,本文针对这一问题展开了基于视觉信息的无人机定位技术研究,具体研究内容如下。（1）针对无人机图像与卫星地图存在水平偏转角度,导致图像匹配失败问题,提出了一种无人机图像方向修正方法,并在此基础上设计了一个基于点特征的无人机视觉定位方法,该方法考虑到所拍摄的无人机图像中存在线状特征的特点,利用Hough变换对地面图像进行主干道路检测,从而快速地找到无人机实时图像与卫星图像间的相对水平旋转角度差,进而对无人机图像进行方向修正。实验结果表明,该方法有效地提高了无人机图像和卫星图像的匹配精度和效率。（2）针对传统的基于SURF的图像匹配方法匹配时间过长,导致无人机定位实时性较差的问题,提出了一种基于卷积神经网络的端到端的无人机视觉定位方法。首先,基于信息熵提出了与无人机拍摄地面图像信息相关瓦片的选取方法,用于解决无人机图像和卫星图像匹配对过多导致匹配时间过长的问题;然后,构建图像的粒度化切割框架,用于解决无人机图像和卫星图像视场差距过大导致图像匹配准确度下降的问题。最后建立卷积神经网络,网络的输入为无人机图像和卫星瓦片图像组成的匹配对,网络的输出结果为对输入图像对是否匹配成功的直接判定。实验结果表明,该方法与传统的图像匹配方法相比减少了计算复杂度,提高了图像匹配效率。最后,为验证上述方法的有效性和准确性,本文在某区域的无人机图像上对上述算法进行了仿真验证。结果表明本文提出的方法得到的定位结果相比于其他方法更准确、速度更快。同时,本文设计了图形用户界面,通过界面简单操作可以获得图像匹配结果和无人机当前的位置信息。综上,本文的研究成果对于现代无人机定位与导航技术的发展有着重要的理论意义和实用价值。