探月计划与我国经济和军事利益息息相关,模拟探月工程作为探月计划的预研课题一直是学术界研究的热点。主要包含月球导航、选址降落等方向。本文主要介绍月面导航项目中的视觉导航。为了提高飞行器导航的精度和稳定性,本文根据不同的降落导航阶段,将视觉导航分为高空大场景下区域导航,以及经地面精细场景下的精确导航,主要内容分为以下两块。在大场景下,本文介绍了基于密度聚类的landmark选取导航算法以及基于视觉显著性的landmark选取导航算法。在第一种导航方案中本文设计了一种参数自适应的DBSCAN聚类算法。该算法时间复杂度仅为NLogN,拥有较好的实时性。第二种导航方案中采用了显著图和超像素相结合的特征分类算法,该算法分类精度较高且能提取landmark的自然轮廓。这两种算法都可以有效的克服传统匹配算法的不足,执行效率较高,也符合月球导航着落的要求。而对于细节的精确导航,本文介绍了基于ORB-SLAM(Oriented FAST and Rotated BRIEF-Simultaneous Localization And Mapping)的导航算法。和传统的方法有所不同的是本文在ORB-SLAM中融合了IMU(Inertial Measurement Unit)。传统的视觉SLAM无法估计真实的尺度信息而且在导航过程中容易受到噪声的影响。而单纯的IMU导航算法则会存在累积误差的问题,这种误差无法依靠IMU自身进行修正。针对这一问题通常将视觉SLAM系统作为IMU的辅助系统,即利用视觉计算得到的位姿信息来消除IMU的累积误差。在视觉的非线性优化方面则使用IMU计算得到的数据作为ORB-SLAM的迭代初始值。当视觉丢失无法定位时,IMU的累积误差则依靠视觉的回环检测来消除。在本文的最后通过和纯视觉的ORB-SLAM系统进行比较,融合IMU的ORB-SLAM计算得到的位姿更为稳定和精确。