目前UAV (Unmanned Aerial vehicles)广泛应用于各个领域,其军事价值促使世界各国争相发展UAV。UAV的主要功能是起飞、识别、监视、跟踪以及降落。近年来世界各国的研究者根据UAV的不同功能,研究不同的功能技术。本文将目标识别、跟踪和降落作为研究内容,对UAV模型进行仿真实验。论文选H地标作为对象进行实验研究。在目标识别跟踪实验中,根据地标的SURF特征和几何特征,提出了概率分类器和SURF特征点跟踪结合的目标跟踪定位方案。通过匹配的SURF特征点计算UAV的三个角度(偏转角,俯仰角,翻滚角)。概率分类器以7个弱分类器组成强分类器,以积分图像特征为基础的；SURF点跟踪以SURF特征点和目标轮廓特征为基础进行实验。根据分类器和SURF跟踪器提出的融合准则可以准确的定位目标。对于只有一方成功定位目标,而另一方失败的情况,可以利用分类器中的目标特征进行目标匹配,判断目标是不是有效目标。该实验分为目标前期选择、分类器训练以及目标跟踪阶段。前期目标选择得到与目标相对平行的一种飞行姿态,为分类器和目标跟踪提供了较好的目标特征。实验验证了本算法具有良好的鲁棒性(旋转角、俯仰角、光照背景),而且处理满足实时性的要求,并可根据SURF点匹配计算UAV的姿态。以地标为特征进行的识别跟踪降落可以很好的实现UAV的自主降落,但是UAV必须具有应急突发状况的能力。例如无地标特征,但需要进行迫降的情况。在无场景环境信息的状况,要实现UAV的自主降落,可以利用计算机视觉中的双目系统完成。本文搭建双目系统,通过图像对匹配获取视差图,恢复目标场景并选择合适的区域进行判断能不能作为安全降落区域。该系统同样利用SURF特征点进行跟踪,优化匹配状态。本文为双目降落系统引入了轮廓识别匹配、SURF跟踪、ENCC立体匹配以及RANSAC平面拟合等算法。ENCC子像素立体匹配可以获取较高精度的致密视差图,为UAV选择安全区域提供较好的数据。轮廓匹配可以快速高效的确定有效的目标区域,并提供足够的SURF特征点进行RANSAC平面拟合。而SURF跟踪可以减少算法的运行时间,跟踪有效的目标区域。实验显示,该双目算法可以高效实时的为UAV提供安全降落区域。