多旋翼飞行器集成了微机电系统(Micro-electro Mechanical Systems,MEMS)、计算机技术、控制理论和人工智能等多学科的成果。近十几年来,多旋翼飞行器受到越来越多的关注。随着多旋翼飞行器高自主性的增强,其在军事与民用领域均有广泛的应用价值与前景,例如:搜索与救援、边界巡逻、航空测绘、目标跟踪、灾难通讯恢复、电网检测、交通环境检测与空气污染检测等。尽管自主性在不断增强,但是,多旋翼飞行器仍然存在诸多应用瓶颈,例如:在目标搜索定位中,全自主导航系统无法在没有预先规划的前提下立即识别障碍物,且无法在路口处作出瞬时决策。通常,人使用双手操控飞行器,这导致其无法同时完成更多的控制任务。此外,由于实际应用中存在无法预测的复杂性,有时需要人为控制的介入,但是,人的操作水平不同,往往对飞行器的控制产生不同影响。因此,如何引入更加智能、稳定且易于操作的控制模式,成为多旋翼飞行器实现目标搜索定位的一个亟待深入研究的问题。本文以实现多旋翼飞行器目标搜索定位为目的,对多旋翼飞行器进行了系统深入的研究。首先,利用光流技术实现了多旋翼飞行器稳定悬停、垂直降落及地形跟踪控制。其次,通过研究捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)、全球卫星定位系统(Global Positioning System,GPS)与视觉导航系统,实现了多旋翼飞行器室内、室外目标精确定位。然后,提出基于半自主导航与脑电(Electroencephalogram,EEG)控制实现二维空间目标搜索的脑-机接口(Brain-Computer Interface,BCI)系统。最后,在其基础上,提出了基于脑电控制与眼电(Electrooculography,EOG)控制实现三维空间目标搜索的混合计算机接口(Hybrid Computer Interface,HCI)系统。本文主要从以下5个方面对课题展开研究:1、基于光流的多旋翼飞行器控制研究依据多旋翼飞行器动力学方程,设计了用于悬停、垂直降落以及地形跟踪的三种非线性控制器并应用Lyapunov分析证明非线性控制器的稳定性。采用金字塔层数自适应的Lucas-Kanade算法,通过比对连续时刻图像获取目标点的光流,并将其作为反馈信息。同时,提出一种辅助悬停控制系统,其通过监测飞行器的位置、姿态及速度信息,消除特殊环境(例如:飞行器无法获取光流)产生的悬停失效(在水平面产生方向未知的偏移)。实验结果表明:与类似方法相比,该方法在悬停、垂直降落与地形跟踪的位置精度上均有提高;光流可以控制在期望值附近,并趋近于期望值。2、基于SINS/双GPS组合导航系统的多旋翼飞行器目标定位研究为实现多旋翼飞行器的室外精确定位,研究了基于SINS/双GPS的组合导航系统,并应用其设计了复杂地形边界与面积在线估计系统与方法。该系统与方法克服了其它方法成本高、估计精度低、效率低与受地形限制等缺陷,可用于无交叉点的任意地形。其将SINS与双GPS相对伪距差分定位系统结合构成组合导航系统,用以获取边界点的定位数据。飞行器在悬停获取边界点定位数据的过程中,由于悬停不稳定可能在定位数据中产生异常数据,因此,首先应用Pauta准则剔除异常定位数据。然后,使用扩展卡尔曼粒子滤波(Extended Kalman Particle Filtering,EKPF)方法提高边界点的定位精度。实际实验结果表明:经过EKPF方法后,边界点定位精度达亚米级,面积估计误差小于±1%。与类似方法相比,算法精度提高1-3.6%,验证了该算法是可行且准确的。3、基于视觉导航与SINS组合导航系统的多旋翼飞行器目标定位研究为克服GPS的缺点,研究了基于标识点视觉导航与SINS的组合导航系统,并应用其实现了多旋翼飞行器的室内精确定位与室内路径规划。该视觉导航方法是基于已知地理图像数据库与飞行器获取的当前图像间的匹配实现的。该过程通过使用尺度不变特征变换(Scale-invariant Feature Transform,SIFT)完成点特征提取,然后采用随机采样一致(Random Sample Consensus,RANSAC)方法与特征组匹配(Feature Group Matching,FGM)方法完成滤波。为避免飞行器长时间单独依靠SINS获取定位信息,该路径规划算法考虑了飞行器的导航性能,并保证在任意时刻至少一个标识点存在于相机视野中。此外,将Dijkstra算法扩展为适用于多起始点至多个目标点的最短轨迹网络计算。实验表明:飞行器沿着获得的最终最短可导航轨迹飞行的实际轨迹在允许的飞行区域内,且没有丢失任何标识点;该算法用于多旋翼飞行器室内精确定位与路径规划是可行的。4、基于半自主导航与脑电控制的二维空间目标搜索研究为克服全自主导航系统在目标搜索中的缺陷,使操作者可同时完成更多的控制任务,并且引入更加智能、稳定且易于操作的控制模式,提出了基于半自主导航与脑电控制的二维空间目标搜索BCI系统。半自主导航子系统由二维激光测距仪与前向900CMOS摄像头构成,用于为决策子系统提供可行的飞行方向并依据可行的飞行方向实现飞行器半自主避障。决策子系统是基于对左、右手运动想象(Motor Imagery,MI)任务的EEG特征分析而建立的。该BCI系统将采集至6导联的EEG信号使用独立成分分析(Independent Component Analysis,ICA)方法分离与剔除伪迹。采用改进的互相关(Cross-correlation,CC)方法实现MI任务的特征提取,并采用逻辑回归(Logistic Regression,LR)方法完成MI任务特征分类与决策。实际的目标搜索验证实验表明:被试者可在较短的学习时间内掌握MI任务,证明该BCI系统具有良好的适应性;与手机控制方法相比,该BCI系统的飞行轨迹更加流畅、规则,具有更好的控制稳定性;同时验证使用该BCI系统实现多旋翼飞行器二维空间目标搜索是可行且有效的。5、基于脑电控制与眼电控制的三维空间目标搜索研究为解决BCI系统受搜索空间限制的问题,在其基础上,提出了基于脑电控制与眼电控制实现三维空间目标搜索的HCI系统。该HCI系统采用Daubechies母小波对每个眨眼EOG信号成分进行十层一维小波分解去除基线漂移,并使用中值滤波方法去除眨眼EOG信号噪声。采用连续小波变换(Continuous Wavelet Transform,CWT)方法完成眨眼特征检测,并将眨眼EOG特征用于完成水平方向MI任务与垂直方向MI任务的接口切换。此外,该HCI系统使用ICA方法剔除采集至6导联EEG信号的伪迹。该HCI系统采用联合回归(Joint-regression,JR)模型与谱功率方法完成MI任务的时域特征与频域特征提取,采用支持向量机(Support Vector Machine,SVM)方法用于实现MI任务的特征分类与最终决策。实际的目标搜索验证实验表明:被试者可在较短的学习时间内掌握眨眼与MI任务,证明该HCI系统具有良好的适应性;与手机控制方法相比,该HCI系统的飞行轨迹更加流畅、规则,具有更好的控制稳定性;同时验证使用该HCI系统实现多旋翼飞行器三维空间目标搜索是可行且有效的。本文对多旋翼飞行器目标搜索定位与控制的研究,解决了全自主导航系统应用于目标搜索的缺陷,并为多旋翼飞行器目标搜索定位提供了新的解决方案。本文在理论与实际应用中具有借鉴作用和参考价值。