近年来无人机的发展迅速,广泛应用于各行各业中。相比于固定翼无人机,旋翼无人机较好的便携性使其应用更加广泛。在一些专业的旋翼无人机中往往会搭载着较为重要的专业设备,如果旋翼无人机在飞行过程中出现GPS失效等紧急情况可能会损害无人机和机载设备,甚至对地面的设备和行人造成经济损失和人身伤害。目前旋翼无人机飞行安全应急降落的相关研究主要考虑在控制算法中,目的是保持无人机的姿态和飞行稳定;而旋翼无人机视觉引导降落方面的研究主要是无人机识别预定地点的带标签信息的安全降落标志完成降落。文章研究应急情况下旋翼无人机依靠机器视觉寻找安全降落区域和安全降落地点,解决旋翼无人机在应急情况下视觉降落选址问题。文章提出使用深度学习语义分割网络模型对旋翼无人机机载相机采集的航拍图像进行分割处理,提取无人机下方场景的安全降落区域。使用Unet语义分割模型和ICG Drone Dataset无人机航拍数据集构建模型和实验,然后基于Unet模型进行剪枝优化改进。实验结果表明,改进后的网络模型增加了网络运算的速度,减少网络模型参数大小约60MB,优化后的网络模型与原网络模型在相同条件下的没有出现精度等指标下降的情况,保证了网络的运算速度和效果。文章提出基于深度学习语义分割图的安全降落选址算法,包括内接圆心法、改进的内接圆心法和核密度估计法。首先针对适合旋翼无人机的物体场景类别和降落点的安全性进行讨论,然后使用模型在语义分割图安全降落区域中选取安全降落地点。实验结果表明,内接圆心法选择安全降落区域最大内接圆圆心为降落点时效果受语义分割模型影响;改进的内接圆心法较好的弥补了内接圆心法的不足,较核密度估计法运算速度快;核密度估计法的运算速度对安全降落区域的面积形状等十分敏感,当图像中存在大量的安全降落区域时模型运算速度过长。最后使用采集的无人机航拍图像对整个选址模型进行实验、分析和评价,给出相关原始实验数据,不同模型选址正确率均在85%以上。另外文章也对不同无人机需要的安全降落区域面积尺寸等参数和无人机移动降落策略进行讨论。最后对机器视觉在旋翼无人机应急降落等相关方向研究给出建议。相关部分源代码在附录部分公开。