实现无人机自主降落任务的关键在于高精度位姿估计。视觉定位在近距离应用场景中具备明显优势。论文主要面向无人机自主降落任务，研究基于视觉的位姿测量与估计方法，构建无人机视觉测量系统，针对降落过程视觉面临的问题和情形提出相应的优化解，并利用当前可获取的视觉位姿解实现多源信息融合。具体地，论文展开了以下几方面研究工作：
　　首先，针对视觉有效测量范围问题，提出了一种视觉分层的无人机位姿估计方法。该方法根据飞行高度将降落过程分为三个阶段“目标靠近”、“位姿调整”和“稳定接触”，在不同阶段下选择对应尺度级别的视觉特征对无人机位姿进行计算。为使三阶段获取的视觉位姿解无缝切换，采用了联邦滤波方式对可获得视觉位姿解进行基于各子滤波器后验协方差的融合。所提视觉分层式方法被证明能够扩展视觉的有效测量范围，对无人机自主降落具有应用价值。
　　其次，针对单目位姿解析情形，提出了一种基于单目特征匹配与结构优化的无人机位姿估计方法。该方法在P3P（Perspective-Three-Point）基础上，引入了特征参考点并采用直方图位姿统计来确定位姿解的唯一性，此外采用了线性模型结合历史信息预测当前位姿，分别从特征匹配与位姿求解方面进行了优化。该方法能够提高单目特征匹配与位姿求解的实时性与稳定性。
　　再次，针对多视角位姿解析情形，提出了一种基于多视角特征匹配与结构优化的无人机位姿估计方法。该方法利用外观相似度、极线几何及目标结构等特征约束实现多视角之间特征检测与匹配，进而根据简易的立体视觉投影不确定性分析对多视角三角定位进行结构优化。所提的多视角匹配与结构优化方法能够改善多视角视觉系统对无人机位姿的测量与估计精度。
　　最后，在贝叶斯信息预测与更新框架下设计了一种多视觉源信息融合方法，将上述所有可获取的视觉位姿解融合，实现无人机的运动估计。该方法采用机载惯性和各视觉模块作为无人机运动估计的预测输入与测量输入，并试图将各视觉位姿信息模块化，满足视觉测量模块在失效与有效之间无缝切换，有能力在线处理不确定数目的视觉源测量信息。所提方法能够降低上述视觉系统中由图像检测和几何定位引入的噪声影响，实现无人机运动状态估计，提高视觉系统稳定性。
　　论文所提方法的组合构成了一个面向自主降落任务基于视觉的无人机位姿测量与估计系统。论文开展了相关无人机降落仿真和实验对所提方法进行了下·验证，阐述了所提视觉位姿估计方法在无人机自主降落过程的有效性。相关结果表明论文研究工作对实现无人机自主降落具有促进意义。