近年来,随着无人机的快速发展,研究的内容也在不断的丰富。机器视觉、深度学习以及智能算法的不断发展,使得无人机逐渐成为了具备有自主定位与飞行能力的飞行机器人,因此对于飞行机器人的研究逐渐成为当前无人机研究的主要方向。对于飞行机器人的自主定位与飞行能力的研究,可以分为两个部分,一部分为基于机器视觉的飞行机器人自主定位方法研究;另一部分为飞行机器人的飞行控制算法研究。此外,随着飞行机器人的不断小型化,需要一种结构更加紧凑,机动性更强的飞行器构型,如本文所述的倾转式三旋翼飞行器。基于上述现状,本文做了以下工作:1.基于ORB-SLAM算法,搭建了一套基于视觉的飞行机器人自主定位与环境重建的软件框架,该软件框架可以实现飞行机器人的自主定位以及在地面站的三维环境重建,两者通过Wi-Fi协议进行通讯。地面站利用Pangolin库编写,可以实时的接收飞行机器人端发送的图像信号,并转化为三维稠密地图。此外,利用深度相机搭建了四旋翼飞行机器人自主定位与环境重建硬件平台,并在室内室外环境下进行了飞行定位实验,定位精度达到5cm。同时在室内室外进行了环境重建实验,实验表明在室内与室外环境下,重建效果均较为良好,无明显的误匹配与撕裂现象。2.基于上述软件框架,根据惯性测量单元(IMU)预积分原理,本文提出了一种视觉惯导融合定位算法,将IMU的状态变量与视觉定位算法的状态变量一起进行非线性优化,融合得到最优的飞行机器人位姿估计。文中通过EuRoc数据集对文中所设计的算法进行了实验验证,实验表明该算法可以有效的增加视觉定位算法在复杂环境与快速运动情况下的鲁棒性。3.针对倾转式三旋翼飞行器,文中推导了其动力学模型,其中考虑到了机体的未知参数以及外界存在的未知扰动。基于Super-Twisting滑模算法设计了一种非线性鲁棒控制算法,该控制算法可以对机体动力学模型中未知的转动惯量以及未知的扰动力矩有较好的鲁棒性。文中利用Lyapunov稳定性分析方法证明了闭环系统的有限时间稳定性,并求出其对应的有限收敛时间。此外还在倾转式三旋翼飞行器半实物仿真实验平台上进行了实验验证,实验表明文中设计的非线性鲁棒控制算法可以在外界存在有风力扰动以及机体自身的转动惯量变化的情况下,对倾转式三旋翼飞行器有较好的控制效果。