目前,基于计算机视觉信息的无人机定位与导航技术因其具有信息大且精确、协同干扰小和实时性强的优点,已迅速成为当前无人机领域的研究热点。该技术将利用计算机视觉技术对无人机成像传感器获取的图像信息与其他携带地理位置信息的图像进行信息处理,从而得到无人机的位置信息,实现无人机的自主导航。本文从图像兴趣点提取和图像匹配方法出发,开展以下无人机视觉定位和导航方法的研究。首先,本文基于神经网络提出了无人机视觉定位方法。该方法采取粗匹配和精匹配两步策略。粗匹配利用SURF算法得到无人机采集的地面图像与卫星地图的相似度参数,并提取图像不变矩,将两幅图像不变矩之间的相似性,作为网络的输入,将两幅图像的匹配度作为网络的输出,进而建立BP神经网络模型。利用已训练好的神经网络对待测试的无人机图像和瓦片图像对进行粗匹配,再利用SURF算法检测出的无人机图像和瓦片图像的特征点进行精匹配。将精匹配选择出的最优瓦片信息转换为无人机经纬度信息,从而实现对无人机的定位。然后,本文将SURF和Kanade-Lucas-Tomasi方法相结合,提出了一种适用于无人机的视觉追踪算法。该算法先构建相邻两帧图像的图像金字塔,同时提取每一层图像的SURF角点,再从金字塔顶层开始计算每个特征点的偏移量,并将起始位置和偏移量相加获得的值作为下一层跟踪点的起始位置,进而获得所有特征点的偏移量,以此得到该算法的追踪结果。为验证上述方法的可行性、有效性和准确性,本文通过小型无人机在沈阳市沈北地区和浑南地区采集的图像对上述算法进行了仿真实验。通过第一种算法可以准确地实现匹配,获得无人机位置信息;将视觉追踪算法在无人机采集的沈阳市浑南长白地区的连续帧图像进行验证,并与基于Harris角点的视觉跟踪算法和基于SIFT的视觉跟踪算法获得的结果进行比较,结果表明本文提出的方法得到的跟踪结果更准确,速度更快。同时,设计了 GUI图像用户界面,通过界面简单操作可以获得无人机的位置信息和无人机飞行轨迹等可视化的结果。本文的研究成果将有效解决目前无人机在民用和军用领域的应用问题,具有重要的工程应用价值。