无人机在民用、科学和军事等领域得到了广泛的应用。随着计算机视觉技术的飞速发展,无人机搭载计算机视觉系统作为导引系统已经成为当前研究的主要热点。无人机的路径规划和自主着陆是无人机实现自主飞行的关键技术。目前基于视觉的无人机路径规划大多依赖于对周围环境的准确建模,还有一些依赖于大量人工标记的数据集,这都需要大量的编程工作或者耗费大量的人工成本。基于视觉的无人机自主着陆系统十分依赖特定的着陆目标,普适性检测算法的检测准确率低且难以适应多样的环境,更为重要的是,常规的自主着陆方法需要平坦的区域着陆。针对以上问题,本文以深度卷积神经网络为基础,设计了基于视觉的无人机路径规划和自主着陆系统,具体研究工作如下:首先,针对无人机路径规划需要首先对环境建模的问题,本文将深度sarsa算法应用到无人机的路径规划之中。本文利用无人机采集到的实时图像及相对于最终目标的位置作为状态信息,通过深度卷积神经网络来计算该状态下无人机所采取的动作的状态动作值函数,使用sarsa的方法来选择并更新所采取的动作,使无人机在躲避障碍物的同时以最短的路径抵达最终的目标位置。其次,针对普适性算法对着陆目标检测效果不佳的问题,本文利用深度卷积神经网络来学习着陆目标的高层次特征,提高识别的准确率和鲁棒性。本文采用缩小卷积核的尺寸、降低进入卷积层的特征图维数的方法提高深度卷积神经网络的计算效率,同时延后降采样并将IoU误差加入损失函数中,在最大程度保证深度卷积神经网络检测精度的同时降低运算量。针对无人机需要平坦的区域着陆的问题,本文设计了一种具有柔性连接的仿生起落架,该起落架将常规爪子的关节处换成柔性材质,使其更接近鸟类的爪子。该起落架中的柔性连接可以有效的减少无人机着陆时地面对无人机的作用力。并且,由于该起落架像爪子一样具有抓握的能力,可以辅助无人机着陆在树枝状表面区域。最后,本文对提出的基于深度学习的无人机视觉导引系统进行实验验证。利用非常接近真实环境的AirSim验证了基于深度sarsa的路径规划系统的有效性,利用ANSYS进行有限元分析验证了仿生起落架有效的缓冲无人机着陆时地面作用力,使用真实的无人机及仿生起落架验证了无人机可以着陆在树枝状表面区域上。