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的不断应用与发展，尤其是在战争中有着举足轻重的作用，近年来，国内外很多学校以及研究机构和组织都不间断的进行着无人机视觉导航的研究。感知周围环境和准确估计自身位姿状态是实现无人机视觉导航的基本要求。其中，着陆地标的准确识别是就是无人机感知周围环境状态的方式之一。本文针对无人机自主着陆过程中涉及到的基于视觉的着陆地标识别和位姿估计进行研究，主要工作如下所示：1.介绍了课题研究的背景和内容，总结了国内外相关研究的现状，设计了一种新的地标，该地标是由6个圆心已标识出来的红色圆组成。除了满足地标与周围环境能够区分开来以及包含足够特征点以保证能够进行位姿估计的要求，还能够通过两圆公切线的方法来解决当着陆地标部分缺失时能够位姿估计的问题。2.研究了基于仿射不变矩和SVM分类器的着陆地标识别方法。考虑到传统模式匹配识别方法耗时长的问题，本文选择基于机器学习的模式识别方法。无人机在飞行过程中由于风力或者装载设备的关系，会导致拍摄的图像发生扭曲现象，即仿射变换，因此采用仿射不变矩作为地标识别的特征。另外，由于无人机实际飞行状态以及飞行环境的不可预知性，很难获取足够多的着陆地标真实图像作为训练样本。基于支持向量机对小样本分类具有很高的识别精度，并且分类时间短的特点，本文选择采用支持向量机分类器对着陆地标进行识别，并合理选择SVM分类器的核函数和惩罚参数。通过与传统的几何不变矩和BP神经网络进行比较，仿真实验表明将仿射不变矩和支持向量机分类器结合来识别地标的方法提高了无人机着陆地标的识别精度并降低了识别测试时间，能够实现在无人机自主着陆过程中地标识别的智能性和可靠性。3.研究了基于特定地标的无人机位姿估计方法。本文建立无人机机载摄像机运动和投影模型，并通过图像坐标系、摄像机坐标系以及世界坐标系之间的转换关系提出基于特定地标视觉图像信息的无人机位姿估计方法。在该位姿状态估计方法中，基于本文设计的着陆地标的特殊性，采用harris角点检测算法来稳定快速的提取圆心，利用摄像机定标所得到的内部参数，通过Levenberg-Marquardt算法来求取无人机俯仰角、偏航角和翻滚角等位姿状态信息。