En este trabajo, se desarrollaron controladores de formación basados en visión para Vehículos Aéreos no Tripulados (Unmanned Aerial Vehicles - UAVs) usando la geometría epipolar como contribución principal, y tomando como inspiración los esquemas existentes basados en la homografía. Primero, se usa la descomposición de la matriz esencial para retroalimentar el control de formación basado en posición usando algoritmos de consenso distribuido: La descomposición es utilizada para obtener, hasta un factor de escala, la pose relativa entre agentes para calcular sus velocidades. El uso de la geometría epipolar descarta el uso de un sistema de posicionamiento externo, ya que se trabaja con marcos locales fijados en el cuerpo de cada robot utilizado en la formación. Los esquemas propuestos incluyen un consenso en escala con el objetivo de controlar el tamaño final de la formación, lo cual no es posible lograrlo solo usando visión monocular. Los controladores propuestos fueron evaluados y comparados con los esquemas basados en homografía para diferentes formaciones deseadas con imágenes simuladas que incluyen ruido Gaussiano, todo esto en una implementación hecha en Python. Además, dos formas de descartar la descomposición de la matriz esencial fueron desarrolladas como controladores de formación basados en imagen, en los cuales los elementos de la matriz esencial son usados directamente en los algoritmos de consenso distribuido. Esto es realizado con la finalidad de reducir el costo en el cálculo de las velocidades, en comparación con los esquemas basados en posición. Finalmente, usamos los epipolos como otra forma "económica" de obtener la información de la posición relativa, con la ventaja de que no se necesita conocer los parámetros intrínsecos de la cámara de forma estricta para calcular las velocidades. Ambos controladores basados en imagen fueron evaluados y comparados con los basados en la homografía, bajo condiciones similares a los basados en posición, usando una implementación en Python.