无人机有体型小、续航时间长、造价少、安全性高、操作简便等优点,近几年来,被普遍的应用于民用、军事及科学研究等其他领域;而作为无人机飞行的主要控制参数,精确的姿态角对无人机其它功能的开发产生了很大的影响。与基于惯性导航和GPS的传统导航相比,利用图像处理相关知识测量无人机的姿态信息,是传统测姿的一种辅助方式,并且被国内外重点研究。本文的创新之处在于无人机姿态测量模型以及误差模型的建模,进而结合图像处理技术,完成各个时刻无人机的偏航角、横滚角及俯仰角三个姿态角解算,并且对测得的姿态角做误差分析,确定测姿模型的精确度。针对以上内容,本文主要做了以下工作:(1)重点介绍论文建立的无人机姿态测量模型所需坐标系,如地理坐标系,飞机航向坐标系以及云台坐标系等,并且推导出它们相互变换的转换矩阵。(2)采用Harris特征检测算子及SIFT尺度不变算法完成对获取图片的特征提取,实现两两匹配,然而这两种算法在图片发生旋转或者图片尺寸变化时,各自存在各自的缺陷,最终采用基于RANSAC的SURF算法对高空拍摄的图像提取特征,进行配准,该算法的特征提取速度较SIFT快了3~5倍,且匹配性能仍表现良好。(3)从理论上重点完成无人机姿态测量模型以及误差模型的建模,并且完成实验仿真分析;使用基于RANSAC的SURF算法对24幅图片序列进行提取特征,完成特征点的匹配,分别从两幅相互匹配图像中任意抽取3对匹配点对可解算出图像的方位角及高低角的变化,再结合论文建立的测姿模型,解算出各个时刻无人机的三个姿态角。由于任意3对特征点对就能解算出无人机的姿态角,因此所得结果存在一定的误差,基于此,论文采用最小二乘法,分别从两幅图片序列中取出18对匹配点对,解算出6个角度,用这6个角度拟合一个与其残差最小的值,将其作为最终的姿态角,并利用优化后的姿态角推算理论误差,再与测量结果的实际误差对比,最终发现俯仰角以及横滚角的实际误差均围绕理论误差做微小的波动,且误差范围小于3~?,而偏航角的理论误差在1.7~?,因此验证该模型可用。