随着无人机的发展,越来越多的无人机产品出现满足着人们的不同需求。由于无人机飞行控制自动化、智能化等方面日益增长的需求,我们需要准确感知无人机的位置与姿态信息。传统方法通常具有累计误差大、易受外界干扰等缺点,本文通过视觉信号对无人机进行测量不仅能够实现对目标的低成本非接触测量而且能够检测到大量有效信息。为了实现无人机位姿估计,本文使用视觉传感器提取图像中的关键信息对无人机的位置与姿态进行测量与计算。本文首先建立视觉测量的坐标系,并分析摄像机的投影成像原理及其中包含的数学模型。摄像机成像原理和双目汇聚模型是本文进行位姿估计的基础,为求解相机模型参数,使用标定板照片对双目相机的内外参数进行求解。其次,为了从复杂的视觉图像中提取关键坐标信息,提出了一种基于深度学习的双卷积网络关键点预测算法,通过第一个卷积神经网络对关键点检测、基于预测坐标的图像分割以及第二个卷积网络的关键点优化三个步骤最终输出无人机四个旋翼轴心坐标的信息。为了定位双目相机之间的匹配点,使用基于Faster RCNN的目标检测方法对目标形心进行定位匹配,经过特征图提取、候选区域筛选、ROI池化尺寸修改和损失函数最小化等步骤得到最后的坐标输出。再次,本文使用双卷积网络检测到的4个特征点,输入PNP算法进行计算得到无人机空间姿态信息,通过双目相机间的关系建立双目交汇模型,向模型输入目标检测网络检测到的双目匹配坐标得到无人机的位置信息。最后,将无人机姿态与位置的测量方法合并成为一个系统,并对该位姿检测系统进行了实验测试,实验结果表明该方法具有可行性,能够满足无人机视觉测量的工作。本文创新点体现在提出了一种基于深度学习的视觉关键信息检测方法与传统视觉成像原理相结合的位置与姿态测量与计算方法,该方法能够在无人机自主导航、自主着落、自动避障的领域得到广泛的应用。本研究得到国家自然科学基金面上项目(编号:91646108,61473222)资助。