无人飞行器(Unmanned Aerial Vehicle，缩写成UAV)是多学科交叉的结晶，其导航技术系军民两用技术，倍受各国的重视。UAV通常利用雷达或视觉传感器，借助GPS或惯导系统进行导航。视觉传感器轻便、低功耗，因此利用视觉传感器进行导航更具有优势，而且不需要惯导系统或GPS的辅助，工作在被动方式，具有隐蔽性。研究和开发视觉导航系统是提高UAV性能的一项关键措施。本文的研究工作来源于国家自然科学基金“用于无人飞行器自主着陆的视觉导航技术研究”，侧重UAV姿态参数估计和滑行阶段跑道的识别研究。首先利用双目立体视觉方法进行无人飞行器下降过程中自身姿态参数估计算法研究。基于无人飞行器模拟平台，重点研究了无人飞行器俯仰角和高度参数。在图像标定的基础上，利用视平线和膨胀中心之间的几何关系进行俯仰角计算；通过提取目标的角点获得稀疏视差图，再利用俯仰角信息，基于三维重建方法获得高度信息；进一步根据高度的统计特性对俯仰角进行修正。考虑无人飞行器下降过程中视觉导航系统实时性要求，研究了基于小样本学习训练的机跑道识别系统。通过收集跑道图像数据，基于统计方法建立了跑道特征数据库。针对支持向量机不同核函数，提出采用彩色信息的跑道识别系统，进一步研究和开发了贝叶斯分类器作为本系统的补充。在实验室仿真环境下，提出的无人飞行器参数估计算法可以有效地估计高度和俯仰角参数。在PC平台上，基于VC++6.0的源代码程序进行了跑道识别仿真实验，实验结果表明该算法能够准确地识别跑道，具有良好的鲁棒性，并可以满足无人机导航的实时性需要。