无人机在军用和民用中具有广阔的应用前景。对于无人机来说，要能够在执行完既定任务后实现安全、可靠地回收，以利于重复使用。但是目前关于无人机系统安全回收方面的研究和应用还存在着很多问题，研究资料表明，无人机回收过程中失败导致的飞行事故占整个执行任务中飞行事故的80%以上。本文针对基于视觉的无人机自动着陆技术进行了深入研究，研究内容主要包括以下三方面：（1）摄像机运动条件下运动目标的检测方法。首先研究了一种基于运动补偿的动目标检测方法，该方法通过补偿全局背景将动态背景静态化，然后采用三帧差分法进行运动目标检测。由于该方法涉及到角点检测、角点匹配和运动参数估计等，检测过程复杂，运算量大。针对该问题，本文提出了一种动态背景下基于YCbCr颜色空间的动目标检测方法，首先根据YCbCr颜色模型建立颜色直方图并进行图像分割，图像分割后进行图像后续处理并检测出运动目标。实验结果显示，该方法精度优于常用的基于运动补偿的动目标检测方法，并且实时性更好。（2）基于视觉的无人机位姿估计方法。根据摄像机投影原理，研究了两种适用于实验平台的无人机位姿估计方法，即基于单目视觉和基于动态立体视觉的无人机位姿估计方法。然后设计了一套室内无人机位姿估计仿真系统，采用实用性强的LED光源作为合作目标。仿真结果显示，本文提出的基于动态立体视觉的位姿估计方法的估计精度明显优于基于单目视觉的位姿估计方法。（3）基于视觉的运动目标跟踪方法。为了使无人机安全平稳地降落在运动平台上，需要采用视觉算法跟踪运行中的运动平台才能进行降落。针对视觉跟踪问题，首先研究了基于UKF的动目标跟踪方法，然后研究了基于波门跟踪法的动目标跟踪方法。实验结果显示，基于UKF的动目标跟踪方法能比较好地预测跟踪目标的轨迹，但其运算量比较大，过程繁琐；基于波门跟踪法的动目标跟踪方法能很好地预测并跟踪运动目标，因为采用波门跟踪原理，跟踪算法实时性强，抗噪性好，该方法在动目标跟踪中有非常实用的价值。