随着科技的发展,无人机在军用和民用等方面发挥着越来越不可替代的作用。在军事方面发挥的作用主要是侦察、作战以及收集信息;在民用方面的应用主要是完成涉及危险环境的搜查和救援工作。无人机安全着陆是完成无人机飞行任务的关键,运用计算机视觉技术的导航方法是目前最先进的导航方法之一。相比于先前的导航方式,基于视觉的导航方式不仅可以节省大量的人力物力,还拥有成本低、精度高、高度抗干扰等长处;已是很多学者和机构研讨的热点。本文研究的无人机视觉辅助导航着舰技术,为了提高位姿解算的精度,提出了数据融合算法,并通过仿真实验对算法进行了实验验证。首先,对无人机在着舰过程中基于计算机视觉技术位姿估计算法的步骤进行了介绍。首先离线标定机载摄像机,获得摄像的内参矩阵,为精确进行无人机位姿数据的解算做准备;之后综合考虑地标形状和尺寸、地标角点几何分布和角点数量对位姿估计精度的影响,精心设计了“T”型着陆地标形状和尺寸参数,将地标轮廓提取和角点检测算法相结合,得到几何分布好、数量适中的8个角点用于位姿解算,保证了算法的精度;最后利用三维空间到二维像平面投影关系对飞行位姿参数进行实时解算。其次,考虑到位姿计算实时性和准确性,把上述算法做了优化。无人机着陆过程中的位姿估计算法包括图像预处理、目标跟踪以及位姿解算三个部分,为了保证算法的实时性,对Lucas-Kanade(LK)光流法稳定跟踪地标的处理过程做了重要改进,直接将提取的这8个角点作为LK光流法检测和跟踪的输入,避免常规LK光流算法对整幅图像进行角点遍历检测,大大减小了一般LK光流法角点检测、匹配与角点跟踪的数量,大大改善了算法实时性。并且加入了卡尔曼滤波算法,改善了位姿估计的精度。最后,设计了飞行视景仿真实验,并详细介绍了实验的设计过程、实验框架、程序的流程以及仿真实验的飞行画面;并给出了仿真实验的结果;最后分析了算法的实时性。仿真实验中将视觉导航算法和视景仿真实验融为一体,形象直观的展示了无人机着陆过程中的估计位姿参数和实际位姿参数,多角度、多通道的再现了着陆全过程,并验证了算法的真实性、准确性和可行性。实验结果表明,算法具有较高估计精度,算法平均周期为55.5191ms(约18.0帧/秒),在无人机速度较低的着舰过程中基本满足实时性要求。