O problema abordado nesse trabalho de mestrado, pouso autônomo de quadricópteros baseado em visão, explora dois problemas distintos que têm recebido atenção da comunidade científica na última década: estimação de estado e controle do movimento. Em particular, para o problema de aterrissagem, a estimação de estado tem como objetivo estimar a translação e rotação (pose) do veículo em relação ao local de pouso. De acordo com o local do pouso, pode-se dividir os trabalhos em duas classes, nomeadamente baseados em alvos ou regiões de forte textura. O presente trabalho foca em soluções baseadas em alvos. Dessa forma, para resolver o problema, deve-se encontrar o alvo na imagem e estimar a posição da câmera em relação ao mesmo. Para obter a escala, é necessário conhecer as dimensões do alvo. O método é complementado com fluxo ótico baseado na homografia contínua. O fluxo ótico permite estimar a velocidade do veículo em qualquer cenário de forte textura. Os dois métodos e dados inerciais são combinados através do Filtro Estendindo de Kalman. O problema de controle do movimento consiste em dirigir o veículo de forma segura para o alvo. No escopo desta dissertação, um controle de de navegação baseado em linearização da realimentação e um controlador PID garante que o erro convirja para a origem. Simulações e dados reais são realizados, de forma que o funcionamento correto da solução é confirmada. Em particular, para um veículo aéreo de pequeno porte, o método proposto em malha fechada teve um erro quadrático médio de 0.15 m em relação ao local de pouso

The problem addressed in this master dissertation, vision based autonomous landing of mini quadrotor, explores two distinct topics that have received considerable attention from the research community in the last decade: state estimation and motion control. For the landing problem, the state estimation task aims at estimating the pose of the vehicle with respect to the landing site. Concerning the landing site, two different strategies can be found in the literature, namely based on landmarks and high-textured flat regions. This work focuses on landmark based methods using a single onboard camera and inertial measurements. The solution relies on finding the landmark center on an image and estimating the pose in respect to the corresponding point in the world. In order to obtain the scale, the landmark dimensions must be known. The method is complemented using continuous homography optical flow, which allows estimating the velocity of the vehicle in any texture flat region. Both estimation and inertial data are fused within a filtering framework - Extended Kalman Filter. The motion control task consists in bringing the vehicle safely towards the landing target. In the scope of this work, a set-point controller based on feedback linearization and a proportional-integral-derivative (PID) controller ensures the error gently converges to the origino Simulations and real world experiments are conducted to ensure the reliability of the method. In particular, for a small vehicle, the proposed visual closed loop autonomous landing system achieved 0.15 m accuracy