在高架桥梁下表面,隧道内部,大型工业厂房等环境中,采用空中机器人进行定期巡检是一种经济、高效的设施管理手段。然而,由于上述环境中一般不具备全球定位系统（GPS）,以机载传感器为基础的自主导航系统鲁棒性能仍无法满足实际应用的需求,且明显的增加了机器人自身的体积与质量,从而大幅减低其续航能力与运动敏捷特性。基于此,构建适应性良好的地面观测平台,使用地面机器人实现无人机状态估计,可有效提高鲁棒性。本文搭建了由三个地面机器人和空中无人机两部分组成的分布式主动观测无人机状态估计系统。首先,本文进行了高反光标记板图案设计及配套硬件系统设计,与其他常见定位标记的设计相比,具有适应多种复杂背景环境的优越性。本文使用相机获取红外光源照射下的高反光标记板图像,综合了轮廓分析检测和光流追踪方法实现标记板的鲁棒识别,在室内黑暗环境、灯光干扰环境和室外阳光干扰环境进行了实验测试,充分证明了识别算法的鲁棒性。在标记板成功识别的基础上,本文使用单个地面机器人实现无人机的状态估计。使用标记板上四个关键点计算出无人机在相机坐标系下的位姿,同时根据舵机的角度值,计算无人机在全局坐标中的位置和姿态。通过理论和实验分析了无人机到相机不同距离、舵机转动不同角速度时的观测误差,对相机观测误差进行了建模。基于无人机IMU信息和地面机器人位置观测值,设计了扩展卡尔曼滤波器,对无人机的姿态、速度、位置进行状态估计。最后进行了室内卡尔曼滤波实验,在有障碍物间歇性遮挡导致失去地面观测情况下,卡尔曼滤波器很好地实现了状态估计,均方根误差小于单个地面机器人的观测误差。单个地面机器人观测时受到障碍物遮挡和视角限制较大,存在追踪定位丢失的风险,因此本文进一步使用多个地面机器人实现无人机状态估计,相应实现了多观测结果时卡尔曼滤波器的校正方法,并在有障碍和无障碍两种场景完成实验,综合多个地面机器人的观测时,卡尔曼滤波结果的误差小于任意单个地面机器人的观测误差,充分证明了本文所述方法的有效性。介绍了多个地面小车分布式运动的策略,在多个地面机器人同时观测无人机的情况下,采用分布式策略可以实现无人机交替前往最佳观测位置,运动过程中使用人工势场法进行避撞,并在最后开展了双地面机器人运动观测实验,两个地面机器人观测误差保持较低水平,证明了多个地面小车分布式运动策略的有效性。