近年来小型多旋翼无人机的发展日趋迅速,无人机自主飞行也是一项热门技术。随着对控制精度的要求的提高,无人机位置信息的精度需求也越来越高。例如在运动的车顶进行自主降落,需要厘米级的定位精度。能实现这一定位精度的传感器普遍价格昂贵,与小型多旋翼无人机本身低成本的定位不符。基于计算机视觉的位置解算由于成本较低,在众多领域已经是热门的研究内容。本文在现有的视觉定位方法的基础上加以改进,结合多旋翼无人机自带的惯性元件,实现了识别范围大、识别精度高、识别速度快的视觉定位,并通过多旋翼无人机在运动平台上的高精度自主着陆实验,验证了算法的有效性。本文的主要工作和创新点如下:(1)提出一种简化的二维码图标的设计和识别方法。包括:设计更简化的图标以及与图标对应的识别算法,以实现更快的识别速度;对图标顶点的像素坐标进行高精度估计,以提高位置和姿态解算的精度;将图标扩展为复合式图标,以扩展图标的识别范围。(2)提出一种利用云台相机的角度信息和图标顶点信息计算无人机位置和姿态的算法。包括:利用图标顶点信息计算图标相对于相机的三维位置和三位姿态信息;结合云台相机的角度信息计算旋翼无人机相对于地面或图标的位置信息;测量视觉定位的延迟并提出一种方法减小延迟带来的影响。(3)提出了一种控制云台跟随图标并切换图标的控制方法。实现可靠的图标追踪,并在有多个图标的应用场景中及时切换到更好的图标。(4)利用无损卡尔曼滤波将视觉定位信息与加速度计进行数据融合,进一步提高视觉定位信息的精度。包括:给出多旋翼无人机的简化的状态空间模型;设计实验辨识模型中的相关参数;给出视觉传感器和加速度计的测量模型;给出无损卡尔曼滤波器的预测和更新的计算步骤。为了验证以上各项内容,设计并进行了无人机高精度自主降落实验,分为静止平台和运动平台两种情况,两种情况下均实验成功。试验结果表明该方法具有定位精度高、可靠性好的优点,可应用于高精度自主着陆、运动车辆跟随和降落以及室内导航定位。