自主避障飞行对于无人机具有非常重要的意义,这可以保证无人机完成复杂的、多功能的高难度动作。目前国内外关于无人机避障方面的研究都有很大的突破,一般依赖于三维高程地图、双目摄像机或者其他高精度设备等技术来实现,然而对于低成本、高精度、可靠、机动灵活的自主避障仍有待研究。无人机避障主要数据来源是尽可能的获取环境信息,所以高精度旋翼无人机自主避障在一定程度上实现是比较困难的,基于实际需要,我们迫切需要开发一套低成本、高精度的旋翼无人机自主避障算法。本课题使用CCD采集图像,并且采用Canny算子进行边缘检测,这样可以保证获取清晰的图像轮廓,后期进行非极大抑制与滞后阈值处理等手段过滤掉一些次要的因素,使得边界更加的清晰。本课题对障碍物的边界轮廓有较高的要求,为了直接根据清晰的障碍物轮廓设计避障算法。本课题基于图像采集与处理技术首先对环境障碍物图像进行处理,为避障算法的设计提供数据来源,实现一套低成本、高精度的旋翼无人机自主避障算法。本课题研究过程:首先根据超声波测距,探测障碍物距离旋翼无人机的距离,当小于设定的距离时,产生触发信号,触发图像采集传感器采集障碍物图像;其次对采集到的图像进行边缘检测算法处理,得到障碍物清晰的边界轮廓;最后根据清晰的障碍物轮廓执行避障算法。最后,在算法设计完善的基础上,通过对实际样本数据参数的分析,完成了以DSP为数据处理、FPGA为图像处理平台的系统总体设计以及相关硬件器材的选型。本课题将图像处理技术和DSP技术有机地结合到一起,提高了障碍物模型处理的实时性。相比传统的将数据图像远程传输给上位机进行处理的方式,极大地减小了图像在传输过程中所受到的噪声影响,同时缩短了避障处理的时间,大大提高了飞行的实时性。