空中机器人在军事和民用两方面都具有广阔的应用前景,近年来成为国内外研究的热点之一。实现基于视觉信息的导航与控制,能够完成避障、搜索与营救、空中监控等任务,是空中机器人能够广泛应用的前提之一。然而由于空中机器人的自主运动、光照变化和摄像机视角变化等影响,对获得的图像序列进行处理存在诸多难点。本文选择微小型无人直升机作为实验平台,针对空中机器人视觉导航与控制中存在的若干问题展开研究,包括搜索与营救任务中的目标跟踪,地面标志检测,自主着陆任务中的相对位姿估计和导航控制信号给出等。本文的主要工作及贡献如下:1)系统回顾了机器人视觉导航与控制的相关方法,介绍了基于视觉信息的空中机器人导航与控制的国内外研究进展,列举了基于视觉导航的空中机器人的典型应用,分析了空中机器人视觉导航与控制研究中存在的若干问题,阐述了本文研究的主要内容。2)提出了一种嵌入集成学习的粒子滤波跟踪算法。首先通过实验比较了三种现有的采用核直方图作为目标外观描述的跟踪算法的性能,实验结果表明结合均值漂移和粒子滤波算法能够提高跟踪的性能。而后将基于集成学习的跟踪算法嵌入到随机性跟踪的框架中,有效解决了目标快速运动和光照变化等难点。该算法采用似然值均值和核直方图两种特征作为目标外观描述,在线更新运动模型来描述粒子状态的变化。实验结果表明,该算法减小了跟踪误差,当发生部分和全部遮挡时能够快速地重新捕获目标,实现了复杂环境下的目标鲁棒跟踪。3)针对空中机器人运动平台获得的图像序列噪声大、图像模糊等难点,考虑到地标在图像间的时空连续性,提出了一种基于分层粒子滤波的地标检测跟踪算法。该算法采用局部对比度描述符作为每个像素点的特征向量,既消除了均匀光照变化的影响,又减小了特征提取的计算量,利用集成学习算法实现区分目标和背景像素的目的。分层粒子滤波算法有效地利用了采用特征的层次性,提高了地标检测跟踪的实时性。从直升机平台获取图像序列,验证了该算法的有效性。4)为解决基于单应性矩阵的相对位姿估计算法中存在的图像配准问题,通过实验比较了SIFT和SURF这两种局部特征的匹配性能和实时性。实验结果表明,SURF特征保留了SIFT特征多样性和独特性的优点,提高了特征提取和匹配的实时性,能够满足空中机器人视觉导航的实时性要求。通过实验验证了基于单应性矩阵的相对位姿估计算法的有效性。5)针对视觉伺服过程中匹配的局部特征改变的难点,提出了一种基于图像矩的混合视觉伺服方法。该方法首先通过匹配的局部特征点估计得到单应性矩阵,然后利用反向映射计算未匹配点的像素坐标,采用特征点的图像矩和基于单应性矩阵分解得到的姿态分别控制平动和转动自由度。采用特征的雅可比矩阵不存在奇异情况,且计算控制信号不需要进行矩阵求逆运算,十分适合在实际工程中应用。从理论上证明了采用控制策略的稳定性。仿真结果表明,该方法提高了伺服性能,适用于局部特征。6)为解决伺服过程中目标逃离摄像机视野的难点,提出了一种切换控制方法。根据目标在图像平面的位置,通过在KD混合视觉伺服和本文提出的基于图像矩的混合视觉伺服两种控制策略之间进行切换,来完成伺服任务。仿真结果表明,该切换控制策略在一定程度上提高了视觉伺服系统的鲁棒性。最后对本文工作进行了总结,对进一步的研究工作做了展望。