随着无人机和实际应用领域的加速融合,无人机被要求向智能化、自主化和实用化等多个方向发展,其中,智能化是目前无人机研究领域的一大热点。一般情况下,无人机的智能化所涉及的关键技术有:无人机的机体结构、系统结构、多传感器系统与信息融合、交互技术、导航与定位、路径规划、路径跟踪、运动控制等。本课题重点从室内无人机的多传感器数据融合、导航定位、路径跟踪三个方面入手,实现室内无人机真正意义上的自主导航。首先,对室内无人机导航避障的研究背景、意义、国内外发展的现状及将来的发展趋势进行了详细介绍和说明。其次,对多传感器数据融合技术进行研究,通过分析各滤波器的工作过程、设计模式、决策原理,并充分考虑室内无人机运动状态对其滤波精度产生的影响,提出了基于不同运动状态采用不同滤波器的决策思想,既降低了室内无人机做非线性运动时的滤波误差,又提高其做线性运动时的定位效率。再次,针对室内无人机的特殊性,对传感器的用途及适用范围进行深入分析,选用惯导、激光测距仪、运动检测等传感器,构成室内无人机的组合导航系统;将仅用于环境探测的激光测距仪,用来解算无人机所处的绝对位置,并创新性的提出基于惯导-激光测距仪-运动检测传感器的松性组合方式。从数据处理的角度对各传感器进行相应研究,详细说明了基于激光测距仪的位置解算原理,给出相应推导步骤,然后结合其他已有模型,建立松性组合导航系统的数学模型。根据模型特征,将加入了决策思想的卡尔曼滤波算法应用于该系统的滤波处理中,以此来提高系统整体的定位精度。然后,在精确定位的前提条件下,对室内无人机的路径跟踪方法做进一步研究。在传统方法的基础上,充分考虑其所处室内环境的时变特性,针对路径跟踪过程中可能出现动态障碍物的情况,本章提出了基于动态避障的路径跟踪方法,从而实现室内无人机真正意义上的自主导航。该方法主要由碰撞预测、动态避障两大核心模块组成,碰撞预测模块中,在传统虚拟斥力场的基础上,充分考虑动态障碍物运动情况,提出了通过椭圆人工势场法,实现无人机与障碍物碰撞概率的预测,并根据预测结果执行相应操作;然后,无人机根据不同的结果执行与之对应的行为模式:当无人机执行动态避撞动作时,系统依据给定的安全函数实现规划目标点的选择,并以此作为局部路径规划的目标点,完成避障任务。为降低动态障碍物对路径规划产生的干扰,提出了考虑动态障碍物的栅格确信度值修改规则,以此来提高算法效率和规划路径的稳定性;当无人机执行路径跟踪动作时,无人机继续按照原期望路径完成飞行任务。通过这两大核心模块,实现无人机在实际飞行中的导航和路径跟踪功能。最后,通过实验平台构建仿真环境,完成相关实验,在复杂的动态环境下,实现无人机高精度定位及动态路径跟踪。