多旋翼无人机自兴起以来,得到了广泛应用。在军事领域,无人机群能够潜入恐怖分子的住所完成协同侦察、协同打击等作战任务,这要求无人机具备一定的环境感知、穿越障碍和编队飞行的能力。实际的作战环境中还可能存在通信拒止的情况,无人机间无法实现有效的信息交互,导致作战任务失败。现有的研究中,对这种场景的典型抽象是门框穿越任务以及视觉编队飞行,但这些研究仍存在一些问题:一是在自主穿越门框研究中,利用机载视觉无法充分地获取门框的状态信息,门框朝向的改变会极大地增加无人机在穿越过程中的碰撞风险,仅适用于相机正对门框的情形,并且这些研究只实现了单机的穿越飞行;二是在视觉编队研究中,对于领航机的检测定位依赖于机身的特殊标记物,该方案需要保证标记物在跟随机视野中的完整性,一旦标记物被截断或者消失,定位算法便会失效。针对以上问题,本文主要的工作及贡献总结如下:针对机载视觉无法充分地获取门框障碍信息的问题,本文设计了门框目标检测与位姿估计算法,实现了从二维图像中估计门框六自由度的位置和姿态。基于最小加加速度（jerk）的轨迹优化方法,设计了穿越轨迹的重规划策略,利用门框的位姿检测信息,动态地优化生成穿越门框障碍的飞行轨迹。根据四旋翼无人机的刚体模型,设计了轨迹跟踪控制器,通过跟踪飞行轨迹完成穿越障碍任务,适用于门框位置与朝向未知的情形。为了消除在无人机上安装标记物的依赖,本文利用了yolov5目标检测算法对领航机进行检测。针对传统yolov5目标检测算法在TX2机载电脑推理速度过慢的问题,引入了NVIDIA Tensor RT优化器,对yolov5网络模型进行加速,以满足实时检测的需求。同时,结合了双目立体视觉技术,解决了无通信条件下跟随机与领航机的相对定位问题,实现了高精度的视觉定位。利用领航-跟随结构的编队控制策略,实现了基于视觉引导的无人机编队飞行。根据无人机在通信拒止环境下实现编队越障的任务需求,本文设计了一套无人机编队越障系统,在Gazebo仿真环境中搭建了不同的编队越障场景,并得到应用。为了在飞行实验中验证无人机的越障与视觉编队算法,设计了领航机与跟随机实物平台,实现了基于视觉引导的编队越障飞行,证明了本文算法的有效性。