随着无人飞行器应用领域的不断拓展，对无人飞行器的自主飞行能力的要求越来越迫切。传统的基于惯导/GPS的无人机自主导航技术无法满足该类飞行器自主导航需求。研究基于视觉技术的无人飞行器位姿估计具有重要的价值。论文研究了基于三维运动估计的双目视觉位姿估计算法用于无人飞行器估计自身在环境中的位置和姿态，在此基础上结合惯性导航系统提出了实时性强的视觉/惯导组合导航算法，同时还提出了一种基于地面目标的无人飞行器相对位姿估计算法，通过实验验证了所提算法的性能。　　双目视觉可通过左右摄像机匹配特征点得到距离信息从而重建摄像机在场景中的位置。论文首先针对无人飞行器在自然场景中的位置和姿态实时估计问题，提出了基于三维运动估计的双目视觉位姿估计方法。传统的基于高斯尺度空间的局部特征算法边缘特征检测效率低，提出的方法率先应用了基于非线性尺度空间的KAZE特征算法，通过特征点提取、匹配、RANSAC提纯以及利用LM非线性最小二乘法进行三维运动估计，实现了无人飞行器在场景中的位姿估计。通过地面静态和动态实验对算法进行了性能评估，验证了算法的稳定性与精确性。　　针对单独采用视觉位姿估计技术存在实时性差、长时间估计精度下降等问题，提出了基于卡尔曼滤波的视觉/惯导组合导航方法。利用多传感器融合技术实现视觉与惯导信息的融合，改善了导航系统对位置姿态估计的实时性和精度。同时，考虑到普通卡尔曼滤波对噪声的敏感性，推导了基于H∞滤波的视觉/惯导组合导航算法，利用H∞滤波的鲁棒性改善飞行器机动飞行等状态的姿态、位置估计精度。通过仿真实验分析验证了两种视觉/惯导组合导航算法的位姿估计性能和效率。　　针对无人飞行器进行地面目标识别与跟踪、完成自主悬停飞行的需求，提出了基于KAZE特征和Camshift算法的飞行器相对位姿估计算法。首先利用Camshift算法对目标进行实时跟踪，针对目标运动过快导致Camshift算法跟踪失败的缺点，使用卡尔曼滤波算法用于提高跟踪成功率。然后结合KAZE特征进行特征点匹配与运动估计实现目标定位与相对位姿估计，在提高位姿估计精度的同时加快了特征点检测速度。最后通过地面实验对算法进行了验证，从静态稳定性、相对姿态角与位置的响应以及运动目标定位等方面验证了本算法稳定性、精确性。　　为验证本文提出的算法，进行了一系列平台搭载测试实验，为此专门设计了测试平台。测试平台包括地面移动测试平台和空中飞行测试平台。移动平台包括双目摄像机、图像处理计算机、组合导航系统、车载控制计算机和无线通信设备，用于算法前期地面测试验证以及作为飞行器目标定位与跟踪的地面目标载具。飞行平台搭载摄像机与云台、图像处理计算机、导航系统、飞控计算机和无线通信设备，用于算法机载测试验证。通过校园跑车实验和外场试飞实验，利用基于三维运动估计的位姿估计算法、视觉/惯导组合导航的位姿估计算法和基于地面目标的相对位姿估计算法分别得到位置和姿态估计结果。将所得结果与其他导航设备数据进行比较与分析，证实了本文算法可有效进行无人飞行器的位置和姿态估计。