Visão computacional aplicada à localização e detecção de alvos é uma proeminente área de estudos na literatura nos últimos anos. Convencionalmente, MVAs (Micro Veículos Aéreos) dependiam apenas de sensores de distância e utilizavam controladores embarcados simples e modestos. O grande aumento no poder computacional disponível tornou possível o uso de algoritmos de visão computacional cada vez mais complexos, para aplicações embarcadas em tempo real. Este trabalho foca na avaliação de diferentes tipos de algoritmos computacionalmente exigentes, como transformadas baseadas em acumulador (Hough, Radon), morfologia matemática e abordagens de Monte Carlo, para processar dados providos por apenas uma câmera e auxiliar a navegação de um MVA por um percurso de obstáculos. Esses algoritmos são testados em diversas situações que buscam emular diferentes cenários de detecção da argola, sendo cada algoritmo avaliado em 3 métricas-chave: tempo de processamento, razão de detecções válidas e exatidão. O algoritmo com melhor desempenho é analisado por seu comportamento no desafiador percurso das argolas da competição IMAV 2018, em que a iluminação é precária e a captura da câmera é sujeita aos efeitos de vibração e movimentos causados pelo MVA. Por fim, algoritmos adequados são implementados em conjunto com um controlador de navegação para o MVA, com o objetivo final de passar por uma argola autonomamente. Os algoritmos são, então, avaliados pelo tempo levado para executar a tarefa e pelo comportamento de voo em cenários similares aos previamente testados.