基于图像处理技术的无人机姿态测量,是传统姿态测量的一种新型辅助测量方法,它因具有无源、自主等优点,成为国内外研究的热点。本文创新之处在于通过无人机成像设备对地面目标进行连续图像采集,得到目标图像序列,再通过图像处理技术提取图像匹配特征点,综合计算机视觉和坐标几何变换等理论完成无人机姿态测量。为完成无人机姿态测量,需要将无人机放置在一个合适的坐标系中,在无人机姿态发生变化后,坐标系能准确描述状态变化并建立坐标系间的变换关系。转换的过程还需要考虑无人机、云台以及地球三大坐标系,完成彼此之间的矩阵转换并简化这一过程。对采集图像的特征点提取,比较了经典Harris特征点提取算法,SIFT特征点提取算法和基于小波变换的多尺度小波变换能量累加特征点检测算法。在图像发生尺度和旋转变化时,比较三种方法在特征点检测的性能,最终通过比较基于小波变换的特征点检测在性能上表现更为优异。对于存在变化的图像间的特征点,如何进行匹配度量,引入了特征点相似性度量方法。比较了常见的基于归一化互相关的相似性度量技术和基于Fourier-Mellin变换的相似性度量技术。对于存在较为复杂几何变换的图像,基于Fourier-Mellin变换的相似度量技术表现更好。为了进一步改善尺度、旋转不变特征点相似性度量方法的计算速度,再结合图像迹变换。通过图像处理方法找到无人机成像变化之间的特征点对,并根据投影变换得到几何转换参数。再与建立的无人机姿态模型相融合,完成无人机姿态测量,并对姿态测量进行误差分析。