随着无人驾驶和人工智能技术的快速发展及应用,针对无人机自主飞行的研究也越来越多。相比地面机器人在二维空间的自主运动,无人机在三维空间的自主飞行难度要大很多,但其应用前景也相当广泛,如复杂地形的搜索救援、有害物质与污染源监测、森林火灾实时监测、高速公路与电力线路巡查、通信保障、高空灭火、快递配送、战场侦察、航拍和农业植保等。在上述应用场景中,由于容易出现无人机GPS信号丢失、超视距飞行、视线遮挡和通信中断等问题,而无法使用遥控器或外部定位系统进行控制飞行,所以,实现无人机的自主飞行至关重要。为此,本文基于双目视觉研究并实现了一套无人机自主定位和避障相融合的智能飞行系统,具备自主定位和自主避障功能,本文主要工作如下:（1）为了完成无人机自主飞行的课题研究,本文设计并搭建了无人机实验平台,包括硬件选型和软件开发。平台搭载的D435i双目相机用于图像和惯性测量单元（IMU）的数据采集,机载计算机进行数据处理,并将控制指令实时发送给飞控,实现无人机的自主飞行。（2）为了实现无人机的自主定位,本文选用双目视觉和惯导融合的方案进行SLAM研究。首先对双目相机和IMU进行了联合标定,目的是获得二者的内外参和转换矩阵,使二者的信息得到更好的融合。标定得到的重投影误差越小,标定效果越好,本文标定的重投影误差在0.5个像素以内,满足使用要求。（3）本文采用前端和后端结合的方式实现SLAM。首先,前端视觉惯导里程计通过图像特征提取、特征匹配和IMU数据融合计算出相机的位姿,然后基于约束条件利用后端非线性优化进行优化,获得更精确的位姿信息,最后利用词袋模型进行闭环检测和优化,完成无人机自主定位。通过测试,其定位精度小于10cm。（4）针对目前只研究自主定位或使用外部定位系统研究避障的半自主飞行的状况,本文提出了无人机自主定位和避障相融合的自主飞行方案。具体实现过程是先通过自主定位系统为无人机进行定位和航线规划,然后利用双目视觉实时探测障碍物,当其接近障碍物时,通过3DVFH避障算法实现规避绕飞,最终到达目标点。通过实验,该系统实现了无人机在自主定位下的避障飞行,达到了智能飞行的目标,扩展了其应用范围,并提高了生存能力。