随着无人机在各行业应用的发展,对无人机的自主性要求不断提升。其中在未知环境中执行复杂任务也是一项重要的研究内容,自主导航是提升无人机自主性的有效保障。计算机视觉和视觉传感器的应用提升了无人机飞行时的自主化和智能化程度。尤其在卫星导航信号阻断的环境中,视觉传感器的强自主性在飞行中得到广泛应用。一方面,从视觉传感器输出的信息解算得到的姿态不含漂移,可以弥补惯导信息的漂移,提高无人机自主导航的性能,但两种传感器的信息融合也面临众多挑战;另一方面视觉传感器采集的环境信息也能辅助无人机在飞行环境中确定飞行路线,以及选择降落地点,在降落时调整位姿,准确降落在指定区域内。本文以旋翼无人机为研究对象,开展广域环境中视觉辅助的无人机自主导航和飞行研究。首先面向广域未知环境,开展不依赖卫星导航信号的视觉辅助无人机自主导航的研究,针对部分区域纹理稀疏、特征缺失造成视觉失效的问题,提出了将最小化图像灰度差解算的位姿信息与惯导预积分结果进行非线性优化融合的视觉惯性融合导航方法。提高了对在特征缺失的广域环境中采集的图像信息的利用率,增强了视觉导航的可靠性。在公开数据集上的测试结果表明提出的融合导航算法在广域环境中具有较好的导航精度。其次面向在广域环境中沿不可预知道路快速抵近重要目标的问题,针对无人机沿具有不同形状和拐角的道路循迹抵近时,没有统一的局部航迹点确定方法的问题,提出了基于速度/目标矢量夹角最小化的循迹抵近导航方法。在模拟环境中对提出的算法进行验证,结果表明提出的方法辅助无人机循迹飞行轨迹投影与实际道路重合误差小于0.1米,且无需大幅改变无人机姿态,大大提高了循迹飞行的效率和精度。最后面向自广域环境返回后自主降落问题,针对无人机快速精准降落在自动机库内的需求,提出了少量包含组合标识图像辅助无人机降落的自主导航方法。在理想情况下,基于对两帧图像中标识的识别和信息的解算结果,先后调整无人机姿态和位置进行自主降落。选择无人机平台验证了算法的实用性和快速性,降落误差半径均值为0.15米,偏航角误差小于10度。