随着科技的发展,无人机在民用和军用方面被广泛应用,如侦察、监视、环境监测、网络连接、信息中继。由于固定翼无人机安全、有效、快捷地回收能降低无人机运行成本,且能提高之后无人机的出动效率。所以各个国家都对固定翼无人机回收技术积极地展开了研究。本文以固定翼无人机撞线回收为背景,进行了关于视觉导航的研究。固定翼无人机撞线回收对导航的精度和实时性都要求很高。为此,本文开展了如下研究工作:根据摄像机成像原理建立了不同坐标系及其之间相应的转换关系,分别建立了摄像机线性成像模型、非线性成像模型以及弱透视成像模型。利用张正友标定法对摄像机的参数矩阵、径向畸变和切向畸变进行了标定,最后通过仿真算例,证明了算法的有效性。然后,根据相机成像模型设计了合作视觉标志。为了使获得的图像精度满足图像处理要求,设计了两种尺寸的合作标志,在无人机与合作标志距离较远时识别线合作标志,距离较近时识别点合作标志。同时研究了图像预处理、图像特征提取与识别算法,针对两种合作标志采用了两种特征提取方法,即圆点标志识别检测与线标志识别检测。通过研究霍夫直线检测和LSD直线检测算法,对于LSD直线检测存在的同一直线易识别出两直线的问题改进了直线检测算法。通过仿真实验证明了所采用算法的有效性。之后,对提取到两种合作标志的特征分别进行了位姿解算算法的研究。在无人机位姿解算过程中针对n点透视问题中直接最小二乘法等精度低、抗干扰能力差、实时性弱的问题,提出了应用稳健PnP算法为初值的加速正交迭代算法,并利用仿真实验与其它几种位姿解算方法进行了对比,对比了不同方法的计算精度、实时性与鲁棒性。同时研究了基于线特征的n线透视问题中的稳健PnL算法,并进行了仿真实验,证明采用的位姿解算算法在精度和实时性上满足回收要求。最后,为了解决视觉导航测量频率低的问题,将视觉导航系统与输出频率高的惯性导航系统的信息通过扩展卡尔曼滤波算法进行融合,设计了以无人机相对回收点的姿态、位置和速度、及无人机上的惯性元件的漂移误差和作为EKF滤波器的状态量,以获得的视觉导航信息作为量测量的卡尔曼滤波器。仿真实验表明,融合后的算法实时性好、导航精度高,且不存在累积误差。