近几年无人机已经成为研究热点之一,据有关统计表明,半数以上的无人机事故均发生在无人机着陆阶段。造成这种现象的原因是:无人机在着陆阶段,其飞行状态、速度、高度、角度、自身构型都有很大的变化,在极端情况下,无人机并不能准确的估计当前无人机的位置和速度,当无人机出现失控时,地面人员执行无线遥控需要一定延迟,不能及时控制无人机的飞行参数。因此,要提高无人机着陆过程的安全性,就必须提高无人机的自主控制能力,而自主控制能力的提高,与其机载导航设备的信息获取及应用能力密切相关。传统的GPS/INS组和导航以及GNSS依赖于卫星定位信号,在存在遮挡或者屏蔽等复杂环境情况下,特别是当出现信号屏蔽和遗失的环境中,传统方法不能发挥出其应有的作用。为此近几年基于机器视觉的无人机自动着陆兴起。本文提出了一种基于HSV彩色直方图及椭圆拟合、多边形拟合的着陆目标提取和位姿估计的算法,用来负责着陆过程中无人机位姿估计。本文的主要工作包括以下内容:1.本文提出一种新型降落目标模型,目标模型由外围正六边形、外圆、二层圆、内圆、正三角形组成,圆和三角形用于位姿估计,六边形用于确定目标区域,各图形的尺寸比例固定,除了可以与周围环境区分开来,还可以根据图形尺寸估计无人机位姿。2.本文提出一种目标识别方法,通过图形颜色特征初步判断图像中是否有降落目标,椭圆拟合、椭圆过滤,准确定位目标中椭圆位置,多边形拟合确定着陆目标检测范围,根据同心圆的比例特征及降落目标的颜色特征,排除复杂环境对目标模型识别的干扰,并且避免了目标错误匹配的情况。3.本文改善了前人基于椭圆的位姿估计算法,通过坐标转换和公式推导求解出无人机位姿,将位姿估计转换为求解一元十二次方程的同时,简化的公式的求解过程及复杂度。4.通过无人机在不同光照和距离角度的条件下实拍测试,检测目标识别算法和位姿估计算法的准确性,并且通过1-10米不同高度航拍测试,统计着陆目标的识别概率。本文实验能够有效识别着陆目标,排除周围环境的干扰,在位姿估计中误差能够达到10cm范围以内。