自适应引导是实现无人机机器人高度智能化必须面临的挑战性问题之一。已有的自适应引导框架主要是基于2D图像特征,依赖于图像的纹理信息,受限于图像的视角变化。随着3D传感器的发展,基于3D点云数据的自适应引导也得到了重大的发展。目前,基于2D图像和3D点云数据跟踪目标实现无人机机器人引导的方法,主要应用了2D图像的块特征和3D点云的深度信息,并不能很好地融合这两种图像的特征实现自适应引导。本文旨在研究基于多传感器数据融合的视觉跟踪算法,并提出了一种融合2D图像和3D点云特征实现无人机机器人自适应引导的方法。首先,融合2D图像FAST(Features from Accelerated Segment Test)角点特征和颜色特征跟踪目标,实现无人机机器人引导。其次,利用2D图像SURF(speed up robust feature)特征,验证无人机机器人引导的效果。最后,融合2D图像和3D点云特征,实现稳定地无人机机器人引导。本论文的主要研究工作以及贡献有以下几个方面:1.分析了2D图像FAST角点特征和颜色特征,提出了一种融合2D图像FAST角点特征和颜色特征的方法。2.利用2D图像SURF特征,建立了一个基于SURF特征验证无人机机器人引导的系统。3.结合了3D点云特征,实现了2D图像和3D点云特征的融合自适应引导无人机机器人,并与融合前的引导结果进行比较,验证了其有效性。