无人机目前广泛用于农业、运输业和电力故障排查等领域。无人机的应用与视觉系统密不可分。随着无人机应用领域越来越广泛、承担的任务越来越重要,所设计的无人机视觉系统也变得越来越庞大、复杂。过于复杂的视觉系统存在两个问题:一是无人机自身无法满足所需的强大的计算能力;二是复杂的视觉系统将产生大量的能耗。为了促进无人机的高速发展,设计实时、低功耗的无人机视觉系统显得十分重要。为了解决上述问题,本研究提出一个通用的无人机视觉算法加速架构,并基于该加速架构设计了一个新颖的无人机返航系统。具体研究内容和主要贡献如下:1)首先,依据现有的FPGA加速原理和方法、无人机领域的特殊性有针对性地提出相关算法的优化方法。另外,本研究采用软硬件协同的设计方案实现在有效的资源下产生最大的加速比。最后,根据相关优化方法、软硬件协同设计方法确定最终的通用加速架构。2)针对无人机返航应用,提出了RKLT算法。RKLT基于区域进行角点的选择、追踪,不同区域的偏移量根据置信度高低进行不同的处理。另外,本研究结合提出的通用加速架构对RKLT算法进行加速,加速结果相比PC实现具有53倍的速度提升以及大幅度的能耗降低。另外,大多数研究将KLT算法应用于跟踪运动对象。本研究主要将其应用于追踪静态背景中的角点。3)提出一个新颖的无人机返航系统。迄今为止,大多数无人机返航技术都依赖于全球定位系统（GPS）。这导致越来越多的人利用虚假的GPS信号诱拐无人机,使其偏离预期的飞行轨迹。因此,一个不依赖于GPS的返航系统显得尤其重要。为了解决该一问题,本研究提出了一个新颖的无人机返航系统。该系统利用FPGA加速高复杂度的RKLT算法使其能达到实时以及低功耗,符合无人机的场景需求。