为了提高无人机着陆自主性和智能性,本文研究了基于视觉的固定翼无人机自主着陆方法。以某型无人机自主着陆过程中所拍摄跑道场景图像为研究材料,综合运用图像处理技术、摄影几何学原理等方法,研究了跑道识别、跑道跟踪和位姿估计等三个方面的内容。跑道识别采用Scale-Invariant Feature Transform (SIFT)特征匹配的方法。首先建立跑道的SIFT特征库,当无人机着陆时,机载摄像机不断拍摄前视图像,提取实时子图的SIFT特征,与特征库里的特征进行匹配,若匹配成功则表明该图像中存在跑道,利用特征点对应关系,得到跑道在图像中的位置及跑道相对于模板图像的旋转角度和缩放量。由于SIFT算法用时较大,对于后继帧跑道的定位,为了缩小处理时间,采用跑道跟踪的方法进行。对于跑道跟踪本文采用了Fast NCC模板匹配的跟踪方法。准确定位跑道后,就利用边缘检测和Hough变换提取跑道的边缘。利用图像中提取的跑道边缘线,建立边缘线方程,根据跑道边缘平行及宽度已知的情况,利用摄影几何学原理和小孔成像原理估计无人机的位姿。实验结果表明,对于跑道识别,利用SIFT特征匹配能够成功匹配数百帧图像,较好的解决了复杂环境下跑道识别困难的问题;而基于模板匹配的跑道跟踪方法正确率达到100%,对复杂环境及光照变化等干扰具有较高的鲁棒性;位姿估计的结果符合实际情况。因此本文的研究可以满足无人机自主着陆的要求,对以后的工程应用有重要参考价值。