无人机的自动着陆技术对于无人机的未来发展与应用具有十分重要的意义,其核心技术是位姿参数的解算和合作目标的识别,本文从无人机自动着陆的工程实际需求出发,研究了基于机器视觉的无人机自主着陆技术与系统。首先,针对P3P算法存在多解与多特征点的位姿解算算法在使用条件和性能上不具备工程实用性问题,根据真值的唯一性特点,设计了以四个点作为合作目标点采用两组P3P算法来确定位姿参数的方法;且对于现有的P3P算法稳定性和实时性差、精度低的问题,在SP3P算法基础上通过简化约束方程,提出了计算效率更高、鲁棒性更强的SRP3P算法,仿真实验表明,其实时性提高了约39%,精度提高了约20%。其次,从第四届国际无人飞行器创意大奖赛的工程实际应用需求出发,为了解决传统位姿解算算法的冗余计算和实时性不好的问题,将透视投影模型的成像特点与实际比赛特性相结合,提出了基于矩形目标的快速解算偏航角的算法,对比实验结果表明,本文算法精度满足实际导航的需要,对于符合矩形目标特征的偏航角解算具有普适性,相比于传统位姿解算算法,效率更高;相比于灭影点算法,对像素点精度要求更低,具有工程实用性价值。再次,针对复杂背景下的可见光合作目标提取问题,根据目标的灰度直方图特点,提出了一种先进行谷底阈值分割后进行连通域特征判断的合作目标识别方法。经过实验验证,相比于传统的阈值分割算法,在阈值选取上具有自适应性,相比于Meanshift+双Otsu算法在边界提取上更精确,且实时性上提高了约50%。为了适应全天候的着陆环境,又设计了以红外激光灯为合作目标的成像系统和相应的目标识别算法,并通过实验验证了其可行性。最后,针对目前缺乏从系统角度将位姿解算算法和目标识别方法进行综合整体设计的研究,根据系统需求,设计并构建一个用于测量位姿的视觉导航系统。依据技术指标和按照功能对系统进行了模块化的划分,并分别完成了硬件和软件设计,最后对系统进行了测试实验。实验结果表明,在导航精度和实时性方面达到了无人机着陆的工程实际要求。