多旋翼无人机由于其垂直起降、性价比高的特点,在多个领域应用广泛。无人机和车辆协同进行控制是现在交通和军事领域重要的研究方向。无人机利用车辆上的标志物,通过单目的视觉方式对目标车辆进行识别,设计控制器实现无人机跟踪车辆、在车辆周围执行巡航任务,以及着陆在车辆顶部。现实情况下复杂的环境因素会对整个无人机单目视觉识别系统造成影响,如投射阴影对目标遮挡、光照强度变化、背景环境变化、目标被物体部分遮挡等。基于这一背景,研究无人机在复杂环境下对安装在车顶的标志的识别及视觉导航控制,实现了在复杂环境下视觉导航系统对图标的稳定识别。主要的工作如下:1)给出了基于HSV颜色空间模型的彩色图标识别方法。该方法解决了视觉导航系统识别图标时被投射阴影遮挡的问题。将图标设计为彩色图标,基于HSV颜色模型,提出两种彩色图标二值化的方法,得到彩色图标在阴影下的二值图像,并对二值图像处理,计算目标的位置姿态。2)给出了一种图标部分被遮挡的识别方法。解决了部分图标被遮挡后的不能识别的问题。将被部分遮挡的彩色图标处理出轮廓特征,设置训练集对其用二叉决策树和KNN两种机器学习方法学习,得到训练后的模型用于识别遮挡图标,然后对遮挡图标特征用最小外接矩形的方法拟合四边形轮廓,实现了目标被物体部分遮挡的识别特征提取。3)设计了无人机惯性导航和图像测量值融合的卡尔曼滤波器。解决了视觉导航时由于其他原因导致图标识别不连续造成控制器不稳定的问题。根据该模型设计了无人机速度控制器,通过实验验证了该模型的有效性。4)利用开源的计算机视觉库(Open CV),设计和实现了无人机在复杂环境下识别目标的识别系统。该系统使用了Linux系统下的QT开发程序,C/C++开发语言,Open CV开源视觉库,用大疆M100飞行平台实现了无人机视觉系统在复杂环境下高效的识别目标。