当前,由于计算机等技术的日益进步,计算机视觉被广泛运用到无人机导航领域。更便宜、更灵活的视觉传感器的应用使得基于视觉的导航方法在无人机导航领域表现出了巨大的优势。计算机视觉技术开始在处理无人机导航方向所遇难题崭露头角,并在相关课题研究中该技术以其优势迅速占据了重要地位。本文主要研究视觉导航在固定翼无人机着陆中的应用,并且针对无人机雾天视觉着陆存在的困难展开深入研究,对无人机雾天拍摄的图像进行图像增强与复原,最后在含雾图像清晰化技术基础上开展无人机视觉着陆跑道的检测与识别研究,保障无人机视觉着陆的安全性。本文的研究工作分为:1、进行无人机雾天着陆拍摄的图像去雾算法研究。从基于非物理模型图像去雾算法和基于物理模型图像去雾算法两个方面详细论述了具有代表性的直方图均衡化算法和暗通道先验理论模型去雾算法的核心思想,对其步骤原理进行分析,通过图像处理实验结果验证该算法的效果,并深入研究了该算法的缺点和不足。2、重点研究当前基于非物理模型的最先进的Retinex系列的去雾算法,包括SSR、MSR。根据该类算法的优缺点,提出适用于无人机图像的特点,并且能有效、高质量满足实时去雾的改进MSR算法。本文首先对无人机拍摄的有雾图像利用同态滤波算法增强图像RGB各分量,再由RGB空间转换至HSV空间,在保持色调H不变的情况下,对亮度分量V进行双边Retinex处理,对入射分量进行伽马校正的增强处理,再对反射分量进行直方图均衡化修正对比度拉伸,通过LOG增强算子对反射图像边缘进行图像边缘增强。同时对饱和度S进行自适应非线性拉伸,将图像再转换至RGB空间,并通过设计编译图像去雾模型仿真的Qt平台,展现和对比各类去雾算法仿真结果,以及灰度直方图结果分析。最后根据图像客观质量评价指标对多种算法去雾效果进行评价,来展现该改进算法模型的优越性。3、在无人机图像去雾效果基础上,对跑道着陆图像进行预处理研究,对比常用的边缘检测算子优劣势,选取更有优势的Canny算子完成图像边缘检测,再通过Hough变换直线检测方法结合跑道特征与纹理特征实现对机场跑道的识别。最后设计跑道模拟仿真检测实验,利用相机标定,获取相机的内参和外参矩阵以及畸变系数,模拟真实的机场跑道环境,通过该实验反过来验证检测识别跑道准确性。