目前无人机普遍采用GPS实现定位,但在降落至低空时GPS信号易受干扰或屏蔽,影响定位精度。近几年随着计算机视觉、人工智能以及微处理器的快速发展,利用机载相机获取视觉信息辅助完成无人机自主降落已经成为无人机智能化的发展趋势。本文以多旋翼无人机为实验平台,以机载相机采集的图像为检测对象,综合运用图像处理、目标检测、飞行控制等技术,实现了基于视觉辅助定位的无人机智能降落。论文分析了目前无人机在基于视觉辅助定位的降落过程中,地标图像受不良光照影响判断,地标检测效果受限以及位姿累积误差大等诸多问题。针对不良光照对地标图像质量的影响,提出一种图像增强算法,根据曝光过度和曝光不足的不同情况,分别采用图像自适应算法和图像低照度算法进行图像预处理,有效减小了无人机视觉定位误差,符合定位的需求,且算法处理速度满足无人机实时性要求。在地标检测方面,提出一种改进的图像识别算法(PC-YOLOv3),通过修剪不太重要的特征通道分支来提高算法的运行速度,解决了YOLOv3检测目标算法需要高性能计算能力和较大的运行内存空间问题。经实验验证,改进的PC-YOLOv3算法只需要较少的可训练参数和较低的计算开销,使得无人机识别精度和处理速度达到平衡。在实现视觉辅助定位的基础上,采用Kalman滤波进行对无人机位姿参数进行校正,最后将地标中心坐标发送至飞控,实现了无人机智能降落。