正确将垄行分割为“垄”和“沟”是单目视觉导航农业机械在垄间自主耕种的关键。虽然垄行的颜色、纹理随土壤和开沟方式的不同呈现出多样性,但垄行在图像中的尺度由近及远逐渐变小。基于垄行尺度上的这一特征,提出了垄行多尺度分割算法。该方法利用高斯差分金字塔结构构建垄行多尺度特征集,再根据不同尺度下垄行特征的分布情况,对多尺度特征集中的图像进行中心化、灰度值饱和化处理;最后,将每一张特征图像分段并分别进行加权求和运算得到垄沟特征图像从而将图像分割为“垄区”和“沟区”。利用40个垄行样本对本文算法进行分割实验,结果表明,所提算法能有效分割出不同尺度中的垄行,而且能有效抑制土壤的局部特征所产生的噪声。

针对无人机自主空中加油保持阶段加油机位姿跟踪精度不高的问题，提出了一种改进UKF(无损卡尔曼滤波)预测方法。建立了视觉导航系统模型，利用Harris算法检测角点，并用RANSAC(随机序列一致性)算法进行角点匹配。将历史预测数据引入当前时刻UKF预测值，并通过匹配角点所得姿态观测值对改进UKF预测值进行修正，从而实现加油机姿态的高精度预测。仿真结果表明，改进UKF在遭遇突发强干扰时姿态预测性能明显优于标准UKF，所预测误差小于5.8%，满足空中加油精度要求。该算法避免了强干扰引发的预测出错，有效抑制了突发干扰。

为保证无人机着陆精度和安全性, 提出了一种无人机自主着陆视觉导航位姿解算方法。首先对机载相机进行标定, 获取相机参数; 然后综合考虑地标形状和尺寸、地标角点几何分布和角点数量对位姿估计精度的影响, 设计了“T”型着陆地标形状和尺寸参数, 将地标轮廓提取和角点检测算法相结合, 得到几何分布好、数量适中的8个角点用于位姿解算, 保证了位姿解算精度; 为减少LK (Lucas-Kanade)光流法稳定跟踪地标的处理时间, 直接将提取的这8个角点作为LK光流法检测和跟踪的输入, 保证了算法实时性; 最后利用三维空间到二维像平面投影关系对飞行位姿参数进行实时解算。实验结果表明: 算法具有较高估计精度, 算法平均周期为76.756 ms(约13帧/s),在速度较低的着陆阶段基本满足自主着陆视觉导航的实时性要求。

利用立体视觉进行相对姿态估计是无人机自主导航系统重要的组成部分，提出了基于共面条件约束的无人机视觉导航姿态测量方法。利用单台摄像机在不同时刻拍摄的图像建立立体视觉，根据不同时刻摄像机对同一目标成像光线的几何约束关系，建立共面条件姿态测量模型，解算出精确相对姿态参数。无人机实际图像数据的实验结果表明，该方法测量精度较高，具有较强的抗噪声能力，避免了利用2台摄像机进行无人机姿态测定的摄影同步问题，具有更大的灵活性和实用性。

为提高无人机自主着陆过程中导航系统的自主性与精确性,设计了一种视觉辅助惯导组合导航方法.该方法以惯导误差方程为过程方程,以着陆过程中单目摄像机2个时刻所得地面特征点投影之间的双视图几何约束为量测方程,构建了非线性滤波器;利用SR-UKF方法实现了惯导误差估计,提高算法效率的同时有效地避免了UKF中由于矩阵开方运算导致的滤波失效;最后根据估计结果校正了惯导导航数据.仿真结果表明:该方法能够提高导航系统精度,使误差降低到惯导系统的8%左右.

为研究GPS 故障或失效情况下无人机的备用导航技术，提出了基于自然地标的动态关键帧景象匹配视觉导航算法。首先，分析机载摄像机获取的实时图序列，自主寻找并描述特征明显的自然地标；然后，将包含自然地标的关键帧抽取出来，并与卫星数字基准图进行景象配准，计算其大地坐标作为辅助定位的依据。利用实时图帧间的相关性，将实时图当前帧与计算的动态关键帧图像进行“相对”景象匹配，进而实现当前帧在基准图上的精确定位。实验结果表明，该算法在提高配准概率的同时可大幅度提高景象匹配的实时性与精确性。

针对室内导航的环境特点，提出了一种简单快速的、以踢脚线为参考目标的移动机器人室内导航方法。该方法从图像中提取踢脚线作为参考直线，通过两条直线在图像中的成像特征，提取角度和横向偏离距离作为移动机器人的状态控制输入，从而实现移动机器人的横向运动控制。该方法无需进行摄像机的外部参数标定，大大简化了计算过程，提高了视觉导航的实时性。