无人机越来越广泛的应用在军事、农业、物流、勘测以及搜救任务中。无人机在执行任务时会出现诸多不确定因素,当无人机与障碍物发生碰撞时,发生无人机炸机事故。因此需采取有效方法使无人机具备自主躲避障碍物能力。本文围绕障碍物信息获取和无人机避障路径规划方法开展研究。研究主要内容如下:（1）无人机避障系统总体方案研究。针对无人机避障所面临的问题,依据无人机避障的现实需求,分析了目前应用较多的障碍物检测方法,研究了各主流方法障碍物信息获取技术的优缺点,确定以双目视觉作为障碍物信息获取方式。设计了无人机避障总体方案,主要分为双目立体视觉定位系统、障碍物运动状态估计系统、无人机避障策略三大部分。并研究了无人机定位、障碍物定位方法,推导了避障系统中坐标系之间的转换关系以及基于最小二乘法的障碍物三维位置定位公式,为无人机避障方法研究奠定基础。（2）基于双目立体视觉的障碍物定位技术研究。介绍了相机成像模型以及相机标定方法,以此为基础完成了相机标定实验。考虑到无人机避障的实时性要求,研究了障碍物分割与ORB立体匹配算法相结合的特征点提取方法,通过对障碍物特征信息提取,结合极线约束准则剔除误匹配点,实现了特征点的精确匹配,依据特征点信息获得了障碍物中心位置及外形尺寸。实验结果验证了方法的可行性。（3）基于卡尔曼滤波的障碍物运动状态估计方法研究。针对障碍物运动状态未知,将所有障碍物视为静态障碍物会造成无人机避障失败的问题,研究了障碍物动静态判定方法,以及动态障碍物运动状态估计方法。依据双目立体视觉获取的障碍物不同时刻的位置矢量,建立判定准则,判定障碍物所处的状态。采用卡尔曼滤波算法实现了动态障碍物运动状态的估计,为无人机避障路径规划奠定了基础。实验结果表明,引入障碍物运动估计显著提高了障碍物信息获取的准确度。（4）无人机避障路径规划算法研究。针对障碍物形状复杂,以及运动不确定性问题,研究了无人机避障路径规划算法。通过双目视觉估计障碍物外形尺寸,建立相应障碍物三维膨胀模型,采用人工势场法规划无人机避障路径。针对传统避障算法存在的局部极小值陷阱,目标不可达、避障路径长和动态障碍物躲避失败问题,设计了基于人工势场法的无人机避障路径规划改进算法。实验结果表明,改进的人工势场法有效地解决了传统算法存在的缺陷,提高了避障的可靠性。