基于视觉的导航系统是无人机先进的导航方式之一。与传统导航系统比较，视觉导航具有成本低、抗干扰能力强等优点。随着无人机在军事和民用方面日益广泛应用，尤其是在战争侦察中发挥越来越重要的作用。近年来，国内外众多研究机构和大学对无人机视觉导航进行研究。感知周围环境和准确估计自身运动信息是实现无人机视觉导航的基本要求。由于无人机在飞行过程中拍摄到的图像常常存在着几何形变、光照变化等。针对这种情况，本文主要研究了无人机视觉导航过程中图像匹配技术及使用图像特征点进行无人机自身运动信息估计，主要工作如下所示。　　 (1)系统地介绍和分析了基于特征点的图像匹配方法的几项相关技术，包括特征点的提取，特征点的表示和描述，特征点的匹配等基本内容，重点分析了特征点的提取、描述以及匹配三个关键的环节，并简要介绍了几种相关的算法，通过具体的实例分析了各自的优缺点和需要解决的问题。　　 (2)针对无人机飞行过程中经常会遇到的大视角变化问题，分析了SIFT算法应对角度变换时性能较好的原因，提出来基于光学相机模型与训练的方式进行图像匹配，实验证明所提算法能够满足无人机拍摄过程中的大尺度视角变化的要求。　　 (3)采用了一种基于多特征关联的由粗到精的结构，算法通过求解一组共面的线性约束假设获得相比之前传统算法更高的精确度和更轻的计算负担。在这之后，本文通过对投影误差使用Levenberg Marquardt算法使得估计到的无人机飞行速度更加准确。探讨了对IMU数据与相机采集到的图像特征信息进行融合从而对无人机速度进行估计，该问题为无人机导航系统中的一个关键问题，无人机机体速度的准确与否对求解无人机姿态有极其重要的作用，如果对于无人机的速度估计不准，很容易造成无人机运动发散，从而影响其在三维空间中的导航任务。因此如何准确估计飞行器的速度成为无人机视频导航系统中关键问题之一。