随着航空工业技术以及新一代信息技术的发展,无人机的集成度、智能化程度不断提高,应用场景的扩展对安全可靠的自主导航提出了更高的要求。为探索数字孪生在无人机领域的应用潜力,本文引入数字孪生技术,针对无人机单目视觉导航领域展开研究,主要工作如下:（1）搭建了基于数字孪生的无人机视觉导航系统。基于四旋翼无人机视觉导航的系统与功能需求,结合数字孪生技术,提出了包含物理空间、虚拟空间、孪生数据层、应用层的无人机数字孪生体系架构,并实现了无人机数字孪生系统。（2）研究了数字孪生应用层中感知网络的设计与实现。针对输入图像的高维特性及可变性,提出了一种基于变分编码器的多模态数据特征提取的感知网络设计方法,该方法规避了物理空间中纹理、材质等因素的影响,缩小了虚实空间差距对策略迁移的影响,提升了视觉导航策略的鲁棒性和泛化性。（3）提出了基于编解码器架构的潜在空间解耦方法。为进一步减小数字孪生虚拟空间与物理空间差异性对策略迁移的影响,基于信息瓶颈理论与总相关性提出了一种潜在空间解耦方法,该方法专注于提取任务相关的特征,丢弃无关特征,可构建针对特定任务和数据模态的潜在空间。（4）研究了感知网络与控制网络的联合训练方法。针对传统导航算法中感知模块和控制模块的割裂问题,提出了一种端到端的网络训练方法,解决了感知网络局部最优解可达,全局最优解不可达的问题。本研究分别在虚拟空间和物理空间中,开展了数字孪生系统、感知网络和无人机视觉导航策略的实验验证。结果表明,基于数字孪生的无人机视觉导航系统降低了应用、算法开发与部署的成本,提升了导航策略的迁移能力;感知网络在未降低重建性能的前提下,成功提取了有效特征,提高了潜在空间的解耦性,并成功分离出4个独立特征因子。本研究提出的视觉导航策略与基准策略相比,在虚拟空间与物理空间中导航性能均最优。与未使用潜在空间解耦方法的导航策略相比,在虚拟空间中性能指标提升了约8.6%,在物理空间中性能指标提升了约2.7倍。