随着微型无人机应用领域的不断拓展和视觉技术的日益成熟,基于视觉的障碍物检测算法在无人机自主避障导航领域中的应用日趋广泛。在微型无人机的飞行环境中,存在像天线这类障碍,以下简称天线障碍,对微型无人机自主导航具有很大威胁,而这类障碍利用传统测距传感器和双目视觉检测效果不佳,因此天线障碍检测与深度估计有其实际意义。另外,由于稀疏点云不能满足应用需要,因此半稠密点云重建技术受到了越来越多学者的关注。本文首先针对天线障碍检测以及深度估计技术进行深入的研究,然后根据应用需求,研究半稠密点云重建以及点云去噪平滑技术。本文主要工作如下:1)天线障碍检测算法研究。针对天线障碍结构的特殊性,利用纹理提取、纹理去噪、图像分割、灰度直方图检测和深度约束对天线障碍进行提取。首先利用边缘纹理提取和纹理去噪对图像进行预处理;其次利用图像分割提取出天线ROI;然后利用灰度直方图检测去除ROI里非天线区域;接着利用深度约束提取最终天线区域;最后通过生长天线完成天线检测工作。2)天线障碍深度估计算法研究。对于针孔相机模型,求取出天线障碍的深度就等于重建出天线障碍的三维信息。首先,研究了帧间匹配技术,因为正确的匹配是求解深度的前提;其次,对匹配的不确定性模型进行深度研究,并提出一种不确定模型;然后,研究了基于卡尔曼滤波和贝叶斯估计的深度融合算法;最后提出了一种快速的天线点云去噪平滑方法。3)半稠密点云重建算法研究。研究半全局立体匹配算法,获取半稠密点云,利用点云密度聚类和深度连通域检测算法对半稠密点云进行去噪平滑处理,通过对点云获取原理的深入分析,提出一种自适应去噪半径阈值的求取方法;最后利用双边滤波对点云进行平滑处理。