伴随着人工智能的研究热潮,无人机自主飞行受到了广泛的关注和研究,实现无人机自主飞行首先需要具备两个基础的关键技术,一个是三维建图,另一个则是路径规划。同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术是一种十分常用的构建环境地图的核心技术,对无人机的路径规划以及实现自主飞行有着重要的意义。本课题选用深度相机作为感知环境的传感器,设计出能够构建高精度地图的SLAM系统。无人机的路径规划是其导航的基础。快速探索随机树(Rapidly-exploring Random Trees,RRT)算法以极高的灵活性应用广泛。但是RRT算法在三维空间中收敛速度下降,规划出的路径无法保证最优,针对RRT算法的弊端,本课题作出了改进,并将改进的RRT算法应用于无人机的三维路径规划,实现无人机的自主飞行。课题的主要研究内容如下:1、提出了基于ORB特征的一种基于多线程的RGB-D SLAM建图方法。提出在图像中分区域地提取ORB特征的方法,使得提取出的特征点能够均匀地分布在图像上。这一提取方法能有效减少特征误匹配的数量,提高匹配的鲁棒性。进而提出对图像特征点进行分区编号的改进,加快了图像与局部地图进行特征匹配的速度,保证了视觉里程计的实时性。2、在设计视觉里程计中加入了基于非线性图优化的全局后端优化,使得前端在各个时刻估计出的相机位姿得到了最大程度的优化。随后新加了一条线程专门用于构建稠密点云地图,使得课题设计的SLAM系统能够实时地构建出高精度的稠密点云地图。3、将传统的RRT算法从二维算法改进成为三维规划算法。针对RRT算法的弊端,做了结合人工势场合力方向作为随机树生长方向的启发式因子的改进,本课题将这种改进算法命名为IRRT算法。IRRT算法能够使得随机树的生长方向总是朝着目标点的附近位置,从而减少了算法对空间的不必要的探索,使得算法的规划时间大大减少。又因为随机树的生长方向确定,所以算法规划出的路径所包含的节点数量得到有效的减少,从而使得规划出的路径趋于最优。最后还提出了一种用于路径平滑处理的方法,使用该方法对路径进行平滑之后,所得的路径的质量也会更好。实验结果证明了算法的优越性。