无人机想要实现自主飞行就需要较好的感知自身的位置和速度信息。实时的获取无人飞行器的运动状态信息并进行准确的位姿估计是实现无人机稳定飞行以及一些复杂任务的基础。全球定位系统（Global position system,GPS）是无人机的定位的主流工具。全球定位系统普遍应用于小型旋翼无人机中,但是GPS信号强度易受环境影响比较不稳定,甚至会在一些环境中消失。小型旋翼无人机的一些特点在一定程度上会限制很多定位方法的使用。针对以上提到的问题,本文使用视觉技术来辅助控制无人机,弥补无人机的已有功能,随后运用互补滤波器将传感器数据进行融合,将融合得到的数据对无人机进行控制,来提高无人机的性能。下面是对论文主要内容进行的概述:首先运用视觉技术来获取无人机的运动信息。视觉传感器具有成本低重量轻,不受辐射干扰的优点,并且没有地理环境的限制。此外,视觉传感器还能提供无人机和物体之间的距离,而GPS只能提供无人机的位置,因此无法适应复杂的环境。光流是一种非常适用于无人飞行器控制的视觉方法,具有光流算法的无人机适用于室内和狭小空间,且不受外界环境影响信号。光流还有一个优点就是可以通过特征点的计算得到实际物体的深度,这一点有利于无人飞行器的避障。无人机是由多种传感器组成的,这些传感器之间共同协作,各传感器输出的数据的特征是不同的。为了对无人机进行更准确、更平稳的控制,信息优化组合就显得非常重要。多个传感器相互合作、优势互补是无人飞行器自主飞行的基础,所以本文利用互补滤波器融合视觉和GPS信息,由此可以提高整个传感器系统的效率,使无人机能够更准确感知自身的位置和速度信息,从而提高无人机性能。这是无人飞行器实现自主飞行、目标跟踪等复杂任务的前提。针对视觉辅助控制的无人飞行器系统,设计了反步法控制器来实现无人飞行器的悬停。再针对带有互补滤波器的无人机控制系统,设计了嵌套PID控制器,来实现对无人飞行器的飞行控制。最后,通过Matlab/Simulink验证提出的所有算法的可行性,并对仿真的结果进行了详细的分析。分析结果可以表明本文中所提到算法不仅能够实现无人飞行器的预期功能、优化了无人飞行器的控制系统,最重要的是本文算法还改善了无人飞行器的性能以及抗扰动能力。