受益于智能芯片技术的发展,无人机一定程度上能摆脱地面控制站的控制,凭借机载电脑的计算,实现自主飞行。然而复杂的飞行环境,对无人机的自主控制提出了新要求,需要无人机能够在执行任务的过程中自主地完成实时动态航线规划、及时躲避静/动态障碍物、完成自主起飞和降落等动作,并应对个别传感器失效情况下继续精准定位的挑战。因此,使无人机具备多维数据的感知能力及完善的自主避障能力,是实现无人机自主飞行的关键。针对复杂飞行环境下的无人机自主飞行控制进行了研究,具体工作为:对多传感器的位姿数据融合技术进行研究,采用一种融合技术解决解决了单一传感器因噪声、失效等问题影响无人机的定位和姿态估计的问题。对激光雷达SLAM构建的点云地图转换为欧式有符号距离函数地图的技术研究,采用了激光与图像融合的回环检测方法,确保了激光SLAM的全局一致性,为路径规划算法做准备。对基于轨迹优化的动态重规划方法进行研究,采用基于重规划的高阶B样条曲线,结合提出的飞行约束方程,动态重规划路径。对动态障碍的运动模型进行研究,采用基于时间再分配策略的无人机动态避障算法,解决动态重规划路径算法的实时性。对无人机自主飞行控制模型进行研究,采用基于PID控制模型,使用LQR控制率进行无人机轨迹追踪,实现无人机的自主飞行。实验基于机器人操作系统,在Gazebo平台上进行无人机自主飞行建模仿真,并利用Rviz工具进行实验结果可视化。通过实验取数据分析,验证系统中数据融合算法、动态规划算法的性能,以及无人机自主飞行模型的可靠性。