小行星探测对于太空资源开发以及探索太阳系的组成和生命起源有着重要的意义,逐渐成为当前各国的研究热点,也是我国太空战略的重要组成部分。在小行星探测任务中,由于探测器距离远、通讯延迟长以及小行星环境复杂且未知等原因,需要探测器有一定的自主导航能力,即在地面通信完全中断的情况下,仍然能够完成姿态定位以及目标跟踪等任务的能力。本论文以小行星着陆任务为背景,针对视觉导航方案设计、自主位姿估计等问题,开展了基于视觉信息的小行星着陆模拟平台设计与实验研究。论文的主要内容如下:首先,针对探测器着陆过程模拟问题,提出基于多旋翼飞行器的探测器模拟平台设计方案,建立了探测器着陆段动力学模型,开展了模拟平台的硬件设计和软件设计。在硬件方面,主要设计了基于板载计算机的系统。在软件方面,搭建了基于机器人操作系统（ROS）的模块化与分布式的软件系统。其次,针对小行星模拟平台着陆过程特殊环境下的导航困难,提出基于视觉的导航方案。针对在着陆阶段小行星旋转带来的水平位移对探测器着陆的干扰问题,本文基于Ar Uco标识设计了两种不同的人工标识物,分别提出了两种人工标识物的识别算法,并得到相对位姿估计。然后通过对比分析两种人工标识物在测距实验和遮挡实验中的性能表现,选择出用于自主着陆模拟平台中的视觉导航方案。再次,针对传统惯性导航在探测器位姿估计中,对相机校准和同步要求严苛的问题,本论文基于深度学习提出了一种融合视觉信息和惯性（IMU信息）的视觉惯性里程计（Visual-inertial odometry,VIO）网络模型。对公开的KITTI数据集进行预处理和模型误差函数优化,接着对VIO模型进行训练,并得到不同训练次数下的模型,然后对模型训练结果进行分析,并对不同训练次数下的模型进行可视化分析,在此基础上将本文的VIO方法与Deep VO方法进行对比,验证了本文网络模型的可行性。最后,在多旋翼无人机技术方法研究的基础上,搭建探测器自主着陆样机系统,开展了实验研究。在探测器自主着陆系统设计中,对硬件平台进行选型和搭建,对自主着陆算法进行设计,并在Gazebo仿真环境下验证了算法的稳定性和可行性,接着使用仿真环境下的视觉和IMU数据对VIO模型进行测试,验证了位姿估计模型的有效性;最后在真实环境下进行静止标识、直线运动标识、圆周运动标识下的探测器自主着陆实验,逐步实现了探测器追踪复杂运动的自主着陆,验证了本文所搭建平台的稳定性。