第二类的应用是服务于无人机自身，如无人机姿态估计、跑道检测、降落点检测等,与本课题的研究目的一致。Xufeng Guo[13]等人认为为应对故障，无人机应能检测环境中适合迫降的地点, 他们的算法基于高斯模型和支持向量机的机器学习算法来自动检测迫降点位置。通过与使用人工神经元网络的基线系统相比较，他们发现他们的算法在检测准确度，对无人机高度变化的健壮性程度方面更占优势。检测跑道也是一个研究热点[1][14]。Andrew Miller通过与一系列已知跑道位置的图像进行配准，在未知跑道位置的图像里估测跑道位置。Khaled Abu-Jbara结合了基于区域竞争的分割和特定能量函数最小化的方法来从视频序列中检测跑道边缘[20]，并且使用了卡尔曼滤波以结合其他传感器信息来减轻高度、视角、晃动带来的影响。Montika Sereewattana[15]等人在研究中使用四个固定标识来代替跑道以提供无人机降落位置信息。目标检测还能反映无人机的姿态和位置。在Yang Fan[16]等人的研究中，通过检测“H”型目标，通过对检测到的“H”与图形Y轴的夹角分析，可以计算出无人机此刻的姿态。Yinan[17]等人的工作也是使用DSP处理无人机视频并检测目标，但使用的是热成像摄像头。