四旋翼飞行器(Quadrotor)是一类由四个螺旋桨提供动力的微型无人飞行器(Unmanned Aerial Vehicle:UAV)。由于具有简单的动力学原理，垂直起降能力以及小范围内良好的机动性能等一系列卓越的特性，四旋翼飞行器在近年来得到了深入的研究，并在空中监控和侦察，复杂环境的探索和搜救，特定目标检测，预定轨迹巡航等领域取得了广泛的应用。四旋翼的运动控制是使其具备自主飞行能力并进一步实现自动化应用的基础和前提。运动估计算法作为运动控制的反馈信号来源，直接影响四旋翼运动控制的精度乃至飞行器系统的性能。　　近年来，随着计算机视觉研究的不断深入和视觉传感器性能的不断改善，视觉方法开始越来越多的应用到飞行器的运动估计中。与传统方法有显著区别，一方面，视觉方法可以在各种复杂未知环境中应用，极大的拓宽了飞行器的应用范围;而且视觉传感器对周围环境的感知和识别有助于飞行器功能的拓展。另一方面，由于视觉算法的复杂性，其定位结果会具有比较大的延时;而且视觉算法易受周围环境影响，其结果的鲁棒性也有待提高。这些都是亟待解决的问题。　　本文采用视觉主导、多传感器融合的方法对四旋翼飞行器的运动估计问题进行研究，以得到高精度的运动估计结果为目标。　　本文的主要工作和创新点包括以下几个方面:　　(1)未知环境中的视觉定位是近年来的研究重点。传统方法通过对由两幅图像中相互匹配的特征点对所确定的超定方程组进行最优化求解来得到两幅图像之间的相对位置信息。针对该算法计算时间复杂度较高，导致较大时延从而影响系统定位实时性的问题，本文提出了一种融合机载惯性测量单元(InertialMeasurement Unit，简称IMU元件)所提供的信息的视觉定位算法，解决了系统的定位实时性问题。　　(2)未知环境中基于特征点匹配的视觉定位结果的精度由于受未知因素的影响而不确定（即噪声特性不确定）。目前，缺乏对视觉定位性能的自适应评估研究。如何判断视觉定位结果是否可用;如果可用，又如何对其精度做出定量的评估以作为多传感器数据融合时权重选择的依据，这是实际应用视觉定位算法时必须解决的问题。根据数据融合中Kalman滤波器的要求，本文在对视觉定位结果进行噪声建模的基础上，提出了一种基于飞行器运动特性分析的视觉定位噪声方差自适应估计方法。实验表明，此方法可以准确的估计出视觉定位结果的噪声方差，并据此估计运动参数，提高了运动估计的鲁棒性和精度。　　(3)转动估计是飞行器运动估计的重要组成部分。本文对常用的姿态表示方法和数据融合方法进行了学习和比较，以提高计算效率和估计精度为目的，利用非线性转动估计模型，实现了基于四元数表示和无迹Kalman滤波的飞行器转动估计。实验表明，相对于已有方法，该方法在提高转动估计精度方面具有一定的优势。　　(4)在基于Kalman滤波器的平动估计中，视觉定位结果相对于其它传感器数据存在较大时延的问题，本文提出了一种将惯性传感器数据前推与视觉定位结果对齐，再利用加速度信息对存在时延的平动估计结果进行补偿的数据融合算法，该算法可以得到更准确的平动估计。实验表明，本文方法显著提高了平动估计的精度。　　(5)考虑到已有不同定位方法的特点，通过将GPS数据、视觉定位结果和其它传感器数据进行融合，实现了不同飞行环境下四旋翼飞行器的最优平动估计。在此基础上利用各传感器的故障模型建立了一个有容错机制的飞行器平动估计系统。