研究了使用视觉导引系统进行固定翼无人机自主着陆时的相关问题，主要针对提高视觉导航系统获取导航参数的速度及精度展开研究。视觉导航系统获取参数分为两步：跑道检测识别、固定翼无人机相对位姿估计。提高导航系统参数获取速度，主要通过提高耗时较高的跑道检测识别算法的检测识别效率来完成。利用跑道在序列图像中的时空一致性进行候选区域提取，在不影响召回率的情形下减少无效候选区域，从而提高跑道检测效率，最终提高视觉导引系统获取导引参数的速度。为提高估计的导引参数精度，结合跑道上的点线特征进行位姿估计，通过增加可利用的特征数量来提高位姿估计精度。实验仿真结果表明，所提方法有效提高了视觉导航系统获取导航参数的速度及精度。

为突破无人机自主着陆技术工程应用中跑道目标快速鲁棒检测这一技术瓶颈，提出了一种基于YOLOv5网络架构的快速跑道检测方法。在YOLOv5网络架构的基础上进行改进，首先，对获取的机载前视图像进行数据增强，以提升网络模型的鲁棒性；其次，对不同尺度、不同维度特征进行融合，以提升网络检测精度；然后，在预测层损失函数的设计中融入跑道的几何特征，以优化预测模型。为验证方法的有效性，采用AirSim开发了复杂着陆场景下的可见光图像数据集，在此基础上对方法进行了测试。仿真结果表明，所提跑道检测方法的平均检测速度可达125 frame/s，平均检测精度为99%，优于传统目标检测方法，满足对跑道区域快速、精确检测的要求。

随着空间发射活动的愈加频繁，空间碎片数量急剧增长，严重威胁在轨运行航天器的安全。空间碎片检测是建立空间碎片环境模型的基础，是空间碎片碰撞规避机动的前提，是空间碎片清除任务的先决条件，因此空间碎片检测对维护空间活动安全和空间的可持续性利用具有重要意义。首先综述了现有的地基、天基空间碎片探测系统，对它们的关键问题进行了分析；总结了基于光学、雷达、激光等探测设备的空间碎片检测技术，并对其中的难点和关键技术进行了介绍；最后探讨了空间碎片检测技术的发展趋势。

提出一种用于固定翼无人机自主着陆导航的分层机场检测方法,以提高机场检测的速度。采取一种由粗到细的分层搜索结构,逐层缩小搜索面积以快速提取机场的候选区域。首先进行伪地平线检测将机场搜索区域限制为地面区域,然后根据机场区域包含大量垂直线的事实确定机场近似区域候选区以进一步缩小机场搜索区域,最后利用Edge Boxes得到高定位精度的机场候选区域。利用局部约束线性编码(LLC)特征学习法以尺度不变特征变换(SIFT)为基础特征提取机场候选区域特征并使用线性支持向量机(SVM)分类器完成机场检测。实验中在不同天气、不同背景条件下对所提机场检测方法进行了综合测试,并与其他方法进行比较,实验结果表明本文机场检测方法能有效提高机场检测速度,且准确率高。

根据无人机自主着舰要求，设计了一种辅助的特征图案。利用Harris算法进行角点检测，获得了特征点在图像坐标系下的坐标，然后对应得到它的世界坐标系坐标。通过正交迭代的算法估计出无人机的姿态。在自行开发的以数字信号处理机为核心的视觉估计系统平台上对上述算法进行了实验，并进行了半物理仿真。仿真结果表明，该算法具有较快的计算速度和较高的估计精度，对实际应用具有一定参考价值。

基于图像的月球表面障碍自主检测技术是实现探测器在月球表面安全着陆的关键。本文主要研究了基于被动图像的月球表面障碍物之一的岩石的检测技术。首先将最大二维熵阈值分割用于岩石阴影的检测；其次将岩石轮廓线提取技术与阴影检测结果结合以获取精确的拟合椭圆中心点；最后，利用椭圆拟合岩石所在的区域范围。实验表明：相较于传统的仅基于阴影的算法，本文提出的岩石障碍检测算法能更好地拟合出岩石所在区域范围。