随着无人机的飞速发展,其应用场景开始不仅仅局限于军事领域,更拓宽到电力巡检、农林植保、物流运送等民用领域。而上述过程常常存在续航时间长、负重载荷大等要求,故小型固定翼无人机可以较好地应用于上述场景。但另一方面,小型固定翼无人机也存在着灵活性差、操控难度高、起飞着陆困难等缺点,因此设计安全有效的导航算法尤为重要。现有的导航算法大多针对室内多旋翼无人机,而小型固定翼无人机飞行所处的高空室外环境存在极大的光照不稳定性,且固定翼无人机飞行速度极快,故本文期望设计一种具有光照鲁棒性的快速导航系统。基于上述研究背景,本文针对小型固定翼无人机巡航过程和着陆过程分别设计了导航算法。具体内容如下:1)针对小型固定翼无人机巡航过程的特点,优化基于卡尔曼滤波的紧耦合S-MSCKF算法。考虑室外环境的光照不稳定性,引入不受光照影响,鲁棒性较好的特征点法实现前端特征匹配过程。另一方面,为弥补特征点法带来的检测效率下降,在后端优化部分,引入有效帧判别算法,去除冗余更新过程,实现性能优化。最后,利用UPeen数据集进行离线飞行验证。2)设计了目标仓库的检测跟踪算法。使用数据增强对UAV123数据集进行扩充,选取具有半球形白色弧顶的建筑物A和包含绿色足球场的建筑物B作为两类目标仓库。使用YOLOv3目标检测方法实现仓库检测。在此基础上,使用通道稀疏化方法对YOLOv3网络进行剪枝操作,从而提高检测实时性效果。最后,针对巡航过程中可能会出现的目标遮挡问题,引入Deep Sort目标追踪算法,联合剪枝后的YOLOv3网络进行检测追踪实验。3)提出了基于视觉辅助的小型固定翼无人机自主着陆算法。利用概率霍夫变换及冗余线段筛选实现跑道检测。在此基础上建立跑道几何模型,得到跑道中线在像素坐标系下的直线方程。为确保跑道在滚转过程中仍在相机视野范围内,引入对于滚转角的几何约束条件。进而设计双传感器融合模式,利用有效的视觉信息校正GPS存在的系统误差,保证视觉信息无效时无人机也能实现安全的着陆导航。确定好跑道相对于无人机的位置后,建立小型固定翼无人机状态空间模型并进行子系统参数辨识。在此基础上,设计轨迹规划算法和基于预测控制的姿态控制算法,实现姿态跟踪。最后,选择金山无人机试飞中心进行了实际飞行验证。