随着图像处理技术的发展和嵌入式硬件的进步,基于机器视觉的无人机着陆已经成为非常热门的研究领域。无人机视觉着陆控制是无人机飞行控制系统的关键技术之一,它对无人机着陆的稳定性,准确性,可靠性和实时性能有很高的要求。基于视觉的着陆系统是学者们研究的热点,与传统的系统相比,该系统具有成本低、抗干扰能力强的优点。实现无人机视觉着陆的基本要求是获取无人机所处环境的信息并通过该信息准确估计无人机的位姿姿态,其中降落地标的识别、图像处理和机器学习是无人机获取自身所处环境信息的方法之一。本文设计了一种基于机器视觉无人机精准降落的硬件系统,并研究了在硬件和软件系统辅助无人机着陆过程中目标靶的识别和无人机姿态估计,主要的工作内容如下:（1）设计了一种由内向外的颜色依次为黑,红,黑,绿,黑,蓝,黑,其中红色圆环的半径分别为10 cm、15 cm,绿色圆环的半径分别为20 cm、30 cm,蓝色圆环的半径分别为35 cm、45 cm的新地标。该地标除了能够满足对无人机位姿的估计和被机器学习算法准确识别外,还能够保证无人机的机载图像传感器依靠图像处理程序总能检测到圆的存在。（2）研究了基于机器学习算法对目标靶的识别方法。为了实现无人机在GPS粗定位的辅助下能够准确识别到目标靶。本文采用了U-net、随机森林、多层感知器和支持向量器四种算法对同心圆靶的数据集进行训练,通过合理地选择初始学习率、批量处理大小、和迭代次数来对目标靶进行识别,最后对获取到的统计精度表对四种算法模型进行分析,得出了随机森林算法对目标靶的识别效果最好。（3）研究了基于同心圆靶的无人机位姿估计和姿态补偿方法。本文通过对机载图像传感器成像模型的分析,建立了摄像机坐标系和图像坐标系之间的几何模型。并针对Open CV中的传统霍夫变换不能对同心圆进行识别的问题,采用对同心圆靶进行RGB色空间与HSV色空间之间转换和图像处理的方法实现了霍夫变换函数对同心圆的识别处理,提取同心圆圆心。利用图像传感器的相关参数和无人机的所处的高度获取到无人机的位姿信息,最后通过模拟遥控器杆量的方法来控制无人机着陆。另外还针对无人机在飞行过程中因惯性而导致的无人机位置的变化,采用了一种姿态补偿的方法进行弥补。