近年来,智能机器人在大型设施巡检领域受到了越来越多的关注,相比于人工检验,其在提高检测效率、降低人力成本与危险性方面具有显著优势。无人机因其具备三维空间的运动能力,在电力巡检、路桥监测等领域得到了实际应用。然而,目前巡检无人机在应用的过程中较为依赖卫星提供的导航定位信息。在卫星信号弱以及拒止的环境中,其难以按照预期效果开展巡检工作。此外,目前巡检无人机的路径规划通常采用地理坐标系下预先设置航路点的形式。在这种方式下,即使无人机在规划的路径上无法完成对目标的有效检测,无人机也不会采取弥补行为,这样的巡检效果完全取决于事先航迹规划的优劣。针对巡检无人机系统中存在的上述两点不足,本文对基于视觉传感器的无人机自主导航定位、路径识别与跟随方法进行了研究,提升巡检无人机在多种场合下的适用性以及巡检过程中的智能性。本文首先对巡检无人机的应用现状进行了分析,结合多个实际应用方案中的导航定位需求,设计了室内外环境下通用的无人机巡检优化方案,并对方案中主要传感器感知原理与误差特性进行了分析,为后续多传感器融合算法的实现提供了理论依据。其次,本文研究了无人机巡检系统中的地面标识检测识别方法以及视觉相对位移测量方法:一方面,结合路径特征与路径模型,提出了基于像素分布直方图的结构化路径检测方法,对结构化路径进行实时在线辨识,并解算无人机与待跟随路径的相对偏移;另一方面,研究了合作二维码的识别算法,并基于合作二维码对无人机的相对位置进行了解算。在此基础上,提出了基于实时姿态的相对位置估计优化算法,并通过实验验证了该方法的有效性,为后续巡检无人机的自主路径跟随提供了有效的导航信息。随后,本文研究了卫星拒止环境下的巡检无人机导航定位方法:首先,对基于光流的速度估计方法进行了分析,对传统的LK金字塔光流算法进行了改进,并进行了实验验证;其次,设计了惯性/光流组合导航算法,进一步提高了无人机的速度估计精度;再次,将基于合作二维码地标估计的全局位置信息引入滤波器,实现对无人机位置、速度的准确测量。最后,在实现路径识别与导航定位的基础上,本文研究了基于视觉的无人机路径跟随方法。面向巡检任务,研究了无人机制导策略,并设计了多级PID串联的无人机控制方法。同时,基于本文的前述研究,构建了巡检无人机原理样机,并进行了室外、室内的无人机巡检实验,对本文的相应算法进行了系统验证。