近年来，无人机以其体积小、机动性能强、可操纵性好等优点，被广泛应用于社会各个方面。在军事上，无人机可以对敌方目标执行侦察、打击等任务；能够携带网络设施增强战场上的通讯能力，提高作战效率。民用方面，凭借其可定点悬停航拍的优势，被广大摄影爱好者所青睐；同时也正逐步用于农情监测、农药喷洒、电力巡检等方向，代替传统人工作业，促进社会发展。实现无人机的上述功能，需要设计可靠的飞行算法和自主环境感知能力。因而，本文设计了基于浸入-不变集原理（immersion and invariance,I&I)的自适应鲁棒控制算法和基于深度视觉的环境感知算法，为上述问题的解决提供了可行性方案。　　首先，本文研究了无人机自主定位问题，设计了基于深度视觉的多旋翼无人机 SLAM(simultaneous localization and mapping)平台，将视觉定位感知算法与底层飞行控制算法分别运行在不同的处理器上，实现系统的实时性与可靠性。采用基于特征点的检测、匹配和解算算法，实时计算无人机移动的位姿信息，并将摄像头采集的数据信息传输到地面站，完成对环境信息的3D点云重建。实验结果表明设计的算法具有一定的稳定性，能够应用到实际环境中。　　其次，本文分析了倾转式三旋翼无人机的坐标系定义及相关的坐标变换，并利用牛顿-欧拉法为飞行器推导得到了姿态动力学模型和高度动力学模型。最后，针对倾转式三旋翼无人飞行器姿态和高度系统存在未知扰动和模型参数不确定性的问题，提出一种基于 I&I和RISE(Robust integral of the signum of the error)的自适应鲁棒控制器.该方法首先利用I&I自适应估计未知参数，保证参数估计有界并补偿控制器输出，然后采用R IS E控制算法抑制扰动和补偿估计误差，应用Lyapunov方法对闭环系统的稳定性进行了数学分析和证明。最后进行了实时飞行控制实验，实验结果表明，文中提出的控制算法，可以有效地处理扰动和未知参数带来的影响，使得系统具有较强的鲁棒性。