视觉导引无人机着陆研究具有重要应用价值和理论研究意义，通过视觉获取无人机位姿是其中的关键问题。本文对无人机的位姿估计方法及合作目标优化进行了研究。首先，研究了无人机视觉系统坐标和世界坐标系的转换关系。并针对现有方法对复杂可见光图像中的合作目标提取效果不理想问题，根据Mean Shift具有颜色聚类后同种颜色聚合的特性，提出了一种基于Mean Shift颜色聚类、OTSU分割及连通区域选择的图像分割新方法，与现有提取方法相比，能够更加有效的把合作目标从复杂可见光环境图像中分割出来。然后，为了增大视觉导引着陆的范围和提高系统稳定性，研究了基于地平线、跑道和合作目标特征组合的位姿估计新方法。具体导引过程为：在远处，由机载视觉系统根据图像中的地平线解算出俯仰角和滚转角以保证无人机处于正常飞行姿态；在中、近距离下使用基于跑道线特征的位姿估计方法，结合地平线得到无人机的大部分位姿参数；在近距离时，提取图像中合作目标特征，采用基于合作目标的位姿估计方法，得到近距离无人机全部位姿参数。最后，针对现有合作目标在不同高度与俯仰角情况下，位姿估计精度差异大，甚至末段关键环节无法获取位姿参数的问题，通过分析位姿估计误差的来源，研究合作目标外形对位姿估计精度的影响，使用改进的遗传算法，以由6个顶点在极坐标分布下构成不同多边形图形作为合作目标图形优化的初始解，优化设计出了新的二维合作目标。为了进一步降低位姿估计精度差异，对二平面合作目标的两平面相对位姿关系进行了优化，优化设计出了新的二平面立体合作目标，通过实验，优化后的新型平面合作目标相较传统的T形和双圆等合作目标，位姿估计累积误差降低了10.5%；优化后的二平面立体合作目标相较优化的单平面合作目标，位姿估计累积误差降低了13.5%。