无人机的自主着陆和回收是无人机研制、生产、运行中的重要环节,也是事故率最高的阶段之一,精确稳定的状态参数估计是自主着陆和回收的基础。视觉导航是一种利用视觉方法测量状态参数的新导航方法,具有被动测量、低成本、高精度、测量全面,不受干扰等多种优点,近年来逐渐成为无人机系统中重要导航系统之一。由于实际应用中,常见PnP位姿解算方法需要准确的提取合作标志点,但着陆区域点状目标较多,导致合作标志点准确提取较为困难。而跑道边缘及跑道平面线特征作为直线特征,与点特征相比更为显著和可靠,因此研究仅基于跑道边缘特征和跑道平面特征的位姿估计算法具有较为实用的价值和广阔的工程应用前景。所以本文针对跑道特征提取的无人机助降方法的关键技术进行了研究,并在工程应用上做了大量实验验证工作。1.针对跑道边缘特征及跑道平面特征的成像特点,本文提出了基于LSD(Line Segment Detector)直线提取算法的跑道边缘识别方法;该方法以LSD算法为核心,结合跑道特征的几何结构及灰度分布情况,建立了识别模型,并应用到跑道边缘特征的检测中,取得了较好效果。2.考虑到位姿测量的实时性要求,提出了基于一维法向搜索的特征跟踪方法。在大量实验中验证了该方法计算量小、适应性强、跟踪稳定等特点。3.论文针对无人机与着陆点的相对位姿关系问题,进一步研究了单目位姿估计方法,在距离跑道较远时,提出了基于跑道结构线特征全配置位姿测量方法,该方法通过以跑道左右边缘和跑道平面单条垂直于边缘的合作标志线构成一种具有平行和垂直关系、位置已知的结构化线配置,来测算出无人机全部位姿参数(偏航角、俯仰角、滚转角、纵向距离、横向距离和高度)。4.随着无人机与跑道距离接近,在只能观测到跑道边缘时,提出了基于跑道边缘线特征退化配置位姿测量方法,该方法通过检测跑道边缘线来计算无人机和着陆目标点的相对位姿,可以计算四个重要位姿参数(偏航角、俯仰角、侧偏距、高度,滚转角和纵向距离参数由可由惯性导航系统提供,或者利用全配置测量方法最后一帧的测量值推算而来)。5.设计了无人机助降地面验证实验系统,建立了半物理仿真实验平台,实验模拟了无人机着陆过程,验证了本文所提出测量方法的正确性,并对实验结果进行了精度分析。6.针对工程实际需要,在三维视景仿真环境中我们对本文所提出方法进行了验证,实验分为开环和闭环实验,在开环实验中主要对全配置情况下位姿测量方法的精度进行分析;在闭环实验中,对整个助降方法的稳定性和降落的成功率进行了考核。