视觉导航系统是导航技术的一种,它具有无源、完全自主等优点,成为国内外研究的热点。本文通过图像处理算法提取视觉特征,结合计算机视觉和摄影几何学等理论估计无人机的位置和姿态角参数。在采集图像过程中,很容易受到随机噪声的影响。噪声的存在不仅会降低图像的质量,而且会破坏图像自身携带的大量重要信息。针对传统中值滤波算法窗口形状固定,无条件滤波等缺陷,提出了一种改进的中值滤波算法,并通过比较实验分析了改进方法的优越性。通过分析着陆场景图像中地平线的特征,采用基于灰度投影理论算法完成对地平线区域的搜索。在该特征区域内,根据最大类间方差判别准则粗略地寻找地平线的候选特征点,经过筛选准则得到地平线的真正特征点,最终利用最小二乘法完成地平线的提取。与传统的地平线提取方法相比,该方法在时间上有了提高。为了完成识别并跟踪跑道任务,本文采用了基于纹理模板匹配算法。当无人机完全进入着陆场时,结合Sobel边缘检测和霍夫直线提取算法,完成对跑道两条边缘线的提取。虽然传统的霍夫变换能够通过检测峰值来提取单条直线,但本文需要提取跑道的两条边缘直线,所以基于跑道的边缘特征,对该方法进行了改进。介绍了世界坐标系、图像坐标系与摄像机坐标系之间的相互变换关系,结合地平线与跑道边缘特征完成了无人机的姿态角与位置参数的推导。在VC++环境下完成算法搭建,通过仿真实验结果说明该方法的可行性,并基于泰勒级数理论对误差进行定量分析。