无人机的位置、姿态以及速度等状态信息一般通过GPS（Global positioning system）以及机载传感器获得,然而在很多场景中无法获取GPS信号,设计仅利用机载传感器进行位姿估计的方法则可以极大提高无人机的自主能力和环境适应能力。此外,单目SLAM（Simultaneous localization and mapping）算法虽然能实时求得相机的位姿估计,但是不能得到场景的深度信息,因此无法直接为无人机提供状态信息。最后,无人机在着陆过程中,如果没有可靠的自主着陆方法,就有可能导致着陆失败甚至坠机的后果。针对这些问题,本文对基于视觉的无人机系统环境建模与自主着陆方法进行研究,主要的工作如下:（1）基于ROS（Robot operating system）的无人机视觉平台自主搭建。首先是硬件平台搭建,包括无人机平台、机载计算机、视觉相机以及图像传输系统等各部分之间的搭建过程和通信方式,为控制方案的施行提供了良好的硬件基础;然后是软件平台搭建,通过设计位姿估计、运动规划、轨迹跟踪以及自主着陆等算法实现对无人机地精准控制;最后,通过在仿真平台运行无人机示范例程验证无人机视觉平台的成功搭建。（2）具有深度恢复能力的无人机单目SLAM可扩展框架设计。该方法仅使用单目相机传感器,为无人机设计了具有深度恢复功能的SLAM可扩展框架。首先,基于ORB＿SLAM2算法,获得带有比例尺度的无人机位姿信息,并且利用April Tag2算法进行融合操作以恢复场景深度信息。另外,基于单目传感器,设计了位姿转换模块和位姿发布模块用于为无人机提供可以直接使用的状态信息。最后,设计了无人机外环几何跟踪控制器,通过计算期望的推力和姿态角来完成轨迹规划模块生成的飞行任务,并进行模拟仿真以及实际实验验证了所提框架的有效性。（3）高精度无人机自主着陆系统设计。本方法基于单目相机传感器为无人机设计了高精度的自主着陆系统。首先,无人机飞行过程中利用VINS-Mono算法提供实时状态估计信息,在检测到着陆标签后通过April Tag2算法对无人机位姿估计信息进行优化。然后通过运动规划算法产生着陆轨迹,并利用优化后的运动控制器驱动无人机精准地着陆到固定目标平台。另外,为进一步扩展此方案的应用场景,设计了在移动目标平台的着陆算法。最后通过固定着陆目标实验和移动着陆目标实验验证了所提方法的可行性。