无人机视觉辅助定位是指利用无人机航拍图像的信息与地理信息系统(如经过地理标记与定位的卫星遥感图像)的先验知识相结合,对无人机自身位姿进行估计的方法。视觉辅助定位技术是对传统的卫星导航定位(如GPS信号)与惯性导航定位技术的一种有力的补充,对于提高无人机导航定位系统的抗干扰能力具有重要的支撑作用。在视觉辅助定位技术研究领域中,图像匹配算法是最核心的关键技术之一。考虑到无人机航拍图像与卫星遥感图像之间存在光照条件、视角、尺度乃至于地物分布方面的差异,如何设计一种快速、鲁棒且精确的图像匹配算法是一个非常具有挑战性的开放性课题。其研究内容涉及特征提取、目标检测与搜索、特征匹配与识别、摄像机标定等多个研究方向,其研究能够广泛应用于无人机视觉导航、地面目标识别及跟踪、卫星图像变化识别及土地利用检测等领域,具有重要的理论研究与应用推广价值。本文以无人机视觉辅助定位系统开发为研究背景,以基于特征匹配的无人机定位关键技术为主要研究方向,以提升无人机定位技术的鲁棒性和抗干扰能力为研究目的,通过对局部与全局特征描述子的设计、特征点匹配策略、基于全局特征的目标图像快速搜索以及INS系统与视觉辅助定位技术的融合方法等问题的研究,提出了一套相对完整、实用且性能更加优越的基于图像匹配算法的无人机视觉辅助定位技术方案,其主要研究内容和成果体现在以下几个方面:首先,为了提高基于图像梯度分布的局部特征描述子的不变性,实时性以及显著性,提出了一种新的梯度分布统计模型。用模值累积梯度方向直方图作为离散边缘积分函数,使用非参数估计方法实现该函数的精确估计。针对无人机视觉导航与定位应用中十分重要的图像匹配算法的旋转、对比度及尺度不变性问题,提出了基于径向采样网格的特征描述子,降低特征向量维数和计算复杂度。该特征描述方法能够应用于基于一级梯度直方图的局部特征描述子,而且算法较简单,计算量小,能够确保在图像处理器或嵌入式硬件上应用的实时性。实验结果表明,与其它算法相比,本文提出的特征描述子具有更好的鲁棒性和有效性。其次,针对无人机视觉辅助定位过程中局部特征匹配的精度问题,提出了基于自适应最近邻距离比与梯度主方向偏差统计的特征匹配算法。首先,为了提高匹配效率,增加匹配对的数目,提出了基于卫星图像的特征点数目的自适应最近邻距离比阈值设定法。然后,通过梯度主方向偏差统计分析判断无人机图像在卫星遥感图像数据库中对应的分区。最后,利用GMM模型和EM算法,估计梯度主方向偏差分布的概率密度函数,进而将得到的主方向偏差角度应用于匹配过程。在实验阶段选取了三种数据库的图像通过与其它主流匹配算法的对比验证了本文算法的有效性。再次,针对复杂城市环境下无人机定位的问题,提出一种基于线段提取的遥感图像全局特征描述和匹配算法。考虑到城市区域航拍图像中建筑物、道路、植被区域分布的人工布局特性,提出了基于主成分分析(PCA)的线段提取算法,使得特征能够较好的克服光照条件和对比度的变化。基于线段模型构建旋转不变性全局特征以处理航拍图像与卫星遥感图像之间普遍存在的旋转与尺度变化。最后基于该全局特征,采用分层搜索方法从卫星遥感图像构建的参考数据中识别出无人机航拍图像所处的分区。实验结果表明,该方法能够快速有效的实现无人机航拍图像的检索与匹配,提升了定位算法在旋转变化和光照条件变化情况下的鲁棒性。最后,针对惯性导航及视觉辅助定位的的问题,提出一套基于全局特征与局部特征融合的无人机定位算法流程。该算法流程首先采用全局特征匹配进行无人机航拍图像定位的粗略估计。然后采用基于局部特征匹配的梯度主方向偏差GMM估计算法来提取与无人机航拍图像较相似的小区域卫星图像,最后使用ORSA算法来对无人机坐标进行更加精确的估计。通过全局特征匹配的实验结果,验证了本文算法在区域搜索和图像匹配方面的良好性能。综上所述,本文提出了一套完整的INS与基于图像匹配的视觉辅助复合定位方案,针对现有方法的缺陷,提出了一系列局部与全局特征描述子、点匹配算法以及区域检索算法,提升了视觉辅助定位的精度、鲁棒性和实时性,研究成果具有比较重要的理论意义与应用价值。