由于多旋翼无人机小巧、灵敏、高机动的特点,在越来越多的领域得到成功的应用。近几年,多旋翼无人机在航拍、电力巡检、农药喷洒中的应用已经相当成熟,它们主要是利用摄像头提供第一视角辅助监控和探测人们无法到达的区域。基于现有的算法和技术,越来越多的科研人员研究多旋翼无人机使其能够主动与外界环境进行交互,如飞行机械臂抓取、多机协同搬运、人机交互等。飞行机械臂系统作为无人机应用的新研究点,从机械臂设计、控制,到复杂模型的运动学、动力学建模、控制器设计都需要科研人员不断探索。对于飞行机械臂抓取问题需要保证稳定、可靠、实时性,传统视觉伺服需要贴附人工标记物,而实际应用中,受条件限制,无法提前贴好人工标记物,本文针对这些问题,展开对基于自然特征的飞行机械臂视觉伺服抓取研究。本文对六自由度机械臂进行运动学建模,推导出正逆运动学模型和微分运动学模型,为后续飞行机械臂的速度控制奠定数学基础。针对机械臂装配、测量误差以及舵机初始角问题,本文提出基于遗传算法的机械臂运动学参数标定方法,平均位置均方根误差相比标定之前降低61.2%。视觉伺服系统的相机采用“眼在手”的安装方式,以基于图像的视觉伺服为基本框架。针对一般的平面目标物无法贴附人工标记物的情况下,本文提出基于自然特征的视觉伺服控制方案,采用ORB自然特征进行特征匹配和仿射变换,获取点特征信息。针对ORB检测算法中特征分布不均匀的问题,本文进行改进,采用高斯图像金字塔引入特征尺度不变性,利用四叉树结构存储特征点,最终特征点分布均匀、稀疏,有利于改善视觉伺服的效果。通过对飞行机械臂整体的微分运动学建模,本文提出多任务的联合视觉伺服控制策略,当无人机距离目标物较远时,通过速度分配矩阵将伺服的速度传递到无人机上并利用机械臂的自由度做俯仰角和偏航角伺服保证摄像头始终能够看到目标物;当机械臂进入工作空间,仅对机械臂进行视觉伺服任务。为了验证本文方法的有效性,本文搭建基于机器人操作系统(ROS)的实验平台,能够实现飞行机械臂的自主抓取,并且不依赖于动力学模型。实验数据验证基于自然特征视觉伺服的可行性,该系统更加符合实际环境需求。