Considerando la débil resistencia a la interferencia y la capacidad de generalización de los algoritmos tradicionales de navegación visual para el aterrizaje de UAV, este documento propone un enfoque basado en aprendizaje profundo para la detección de líneas de pista en aeropuertos y la fusión de información visual con IMU para la localización. En primer lugar, se diseña un algoritmo de posicionamiento grueso basado en YOLOX para la localización de pistas de aeropuerto. Para cumplir con los requisitos de precisión del modelo y velocidad de inferencia para el sistema de guía de aterrizaje, se diseñan funciones de pérdida de regresión, funciones de pérdida de predicción de probabilidad, funciones de activación y redes de extracción de características. En segundo lugar, se diseña un algoritmo de detección de líneas de pista basado en aprendizaje profundo que incluye extracción de características, predicción de clasificación y redes de segmentación. Para crear una red de detección efectiva, proponemos funciones de pérdida eficientes y métodos de evaluación de redes. Finalmente, se establece un sistema de navegación visual/inercial basado en deformación constante para la localización visual. Los resultados de posicionamiento relativo se fusionan y optimizan con algoritmos de filtro de Kalman. Las simulaciones y experimentos de vuelo demuestran que el algoritmo propuesto exhibe ventajas significativas en términos de precisión de localización, rendimiento en tiempo real y capacidad de generalización, y puede proporcionar información de posicionamiento precisa durante los procesos de aterrizaje de UAV.