返航作为导航任务中重要的一环，对无人机的费效比和再利用率有着深远的影响。目前无人机产品主要依靠全球定位系统GPS进行返航，但GPS信号的自主性差，易受干扰，复杂城市环境中，常发生无人机飞丢或坠毁等事故。针对这种现象，本文引入基于视觉的景象匹配辅助返航技术，提出了携带基准图和无基准图两种返航方案，对方案中景象匹配算法和航路点自动选取技术进行了深入的研究。　　本研究主要内容包括：⑴针对斑点特征的景象匹配算法冗余点多、实时性差、抗几何变换不突出的情况，本文为携带基准图的返航方案提出了基于CenSurE-star的无人机景象匹配算法。算法通过实时图与基准图的匹配，给出飞行位置的经纬坐标，从而替代 GPS实现定位功能。⑵由于基准图存在占用内存大，更新慢，分辨率有限等缺点，提出了无基准图的返航方案，该方案首先从航拍视频中提取出适合匹配的航路点，而后通过匹配实时图像与航路点，确定航路点方位，引导无人机按照航路点组成的路径返航。⑶在提取航路点部分，为摆脱对单一指标和专家经验值的依赖，本文提出了基于模糊综合评价的航路点选取方法。选择三项适配特征指标，以候选航路点对指标属性的贡献度为权重，实现了自动化、无干预的航路点筛选。在确定航路点方位部分，提出了基于FAST角点的帧间景象匹配算法。针对FAST角点检测无尺度不变性、特征点聚簇的问题，为FAST角点构建尺度空间，并通过网格最大值抑制角点的数量和分布。此外，算法对FREAK二进制描述符进行简化，提高了运算效率。算法实现了航路点与实时图的匹配，为返航提供距离和方位信息。