无人机技术的迅速发展使得无人机的应用越来越广,包括军事、农业、民用商业等诸多行业。高效的导航定位系统是影响无人机执行任务的重要因素。目前常用的无人机导航定位技术多为惯性导航技术/卫星导航定位技术互相组合的导航方式(如INS/GPS)。但卫星导航技术通常易受到干扰被恶意损坏,对卫星导航系统过度依赖会导致导航定位的可靠性和安全性降低。若失去GPS等卫星导航系统的支持,单一的惯性导航方式由于自身的惯性器件属性会在定位过程产生误差累积,无人机仅依靠惯性导航系统无法实现长航飞行过程中的精确定位。因此,本文针对GPS拒止条件下的无人机定位问题,提出一种基于视觉的全局定位技术。本文首先分析了视觉定位原理,通过相机成像系统研究无人机的三维位姿与二维实时航拍图像之间的关系,通过坐标系统研究视觉定位技术中的各坐标系及其相互转换关系,再结合视觉位姿估计技术进一步阐明视觉定位原理。接着,从图像配准角度出发,针对本研究中所涉及的待配准图像为两幅尺寸相差大、重叠区域小的这一类图像配准问题,分析提高配准性能的因素。并针对分析结果,提出一种基于SURF和BRISK的特征点配准改进算法。同时,考虑到无人机飞行速度快和飞行区域幅面广,在全局定位中所涉及的数字参考影像幅面大,将配准问题进一步转化为超大图像快速配准问题。针对超大图像的配准算法存在精度差、用时长、平台可实现性差等不足,本文在特征点改进算法的基础上,提出一种基于重叠区域的超大图像快速高精度配准算法。实验结果表明该算法能解决当前处理平台的局限性,提高算法速度和精度,相比于现有算法有较好的性能优势。最后,充分利用多源传感器信息和先验环境知识,基于超大图像配准算法提出一种视觉全局直接定位技术,该方法通过估计大致区域参与快速匹配以实现全局直接定位。为了提高直接全局定位算法的实时性和稳定性,本文紧接着又提出一种改进全局定位法,改进定位法通过自适应快速搜索匹配算法实现算法改进,有更好的视觉定位实时性。然后,再通过卡尔曼滤波技术对视觉定位信息和INS数据等多源传感器数据进行数据融合和修正,实现GPS拒止条件下的无人机高效定位技术。