植保作业是农业生产的关键环节,植保无人机作为植保机械之一,与人工植保和地面植保机械相比,其在作业地块灵活适应和喷雾高效等方面有明显优势。植保无人机作业环境中通常分布着对飞行安全构成极大威胁的各类障碍物,目前植保无人机通常采用单一类型的环境感知传感器,通过悬停警报或紧急迫降的单一预设指令来实现避障功能。有些植保无人机通过预设避障路径实现障碍物的避障绕行,但避障绕行过程中会与障碍物之间预留2～5 m安全距离。并且现有植保无人机喷雾均聚焦在无障碍物场景的喷雾,在植保无人机避障绕行的工况下,未对障碍物周围进行针对性喷雾,障碍物周围雾滴沉积量较少,需要人工二次补喷以避免影响障碍物周围的作物生长。为提高植保无人机在障碍物环境下的自主作业能力和植保作业效果,满足植保无人机自主喷施、实时避障、精准作业的要求,本文从植保无人机避障和避障绕行时增加障碍物周围雾滴覆盖这两方面,开展了相关研究。针对植保无人机避障,主要涉及田间障碍物信息识别、避障算法改进、避障系统及飞行平台设计与搭建的研究;针对避障绕行时增加障碍物周围雾滴覆盖,主要进行了植保无人机侧喷技术研究。具体研究内容和主要结果如下。（1）为提高植保无人机田间障碍物识别精度,使用毫米波雷达和单目相机作为植保无人机的环境感知传感器,搭建空间融合和多线程时间同步两模型以实现两者时空数据融合。以田间较为常见的树木和电线杆作为障碍物,使用该数据融合模型进行障碍物数据采集,通过加权平均灰度处理、Canny边缘检测、数学形态学处理对障碍物数据进行轮廓增强和提取。该数据融合模型的最大测距误差为8.2%,障碍物宽度最大测量误差为17.3%,高度最大测量误差为18.2%,根据障碍物图像所提取的轮廓边缘清晰且光滑,可为植保无人机避障决策提供障碍物依据。（2）从植保无人机避障效率和路径平顺性要求出发,通过动态启发函数、搜索点选取策略优化、拐点数量优化提出了改进型A*飞行避障算法。相比较传统A*避障算法,本研究针对植保无人机作业环境和避障要求所提的改进型A*飞行避障算法在路径搜索上更具有目的性,可以在极少增加甚至不增加路径长度的基础上,至少减少68.4%的规划时间、74.9%的栅格搜索数和20.7%的拐点数量。（3）在毫米波雷达和单目相机数据融合模型和改进型A*飞行避障算法的基础上,为实现植保无人机实际避障,进行了避障系统和飞行平台研究和搭建。结合所用植保无人机结构形式和参数进行坐标系转换和姿态描述并建立整机控制模型,通过对控制模型进行简化给出内外环控制策略,设计了基于NVIDIA Jetson TX2机载计算机（主控制器）和Pixhawk4飞行控制器（副控制器）的双层控制系统,设计和搭建了双层控制系统为核心的植保无人机避障系统和飞行平台,进行了实际的避障飞行试验。结果表明本文所搭建的植保无人机避障飞行平台能够将毫米波雷达和单目相机数据融合的障碍物识别、改进型A*飞行避障算法的路径规划、避障路径跟随的飞行控制整合为一个系统,在避障飞行过程中,实际飞行轨迹与路径规划轨迹的最小偏差为0.1 m、最大偏差为1.4 m,与障碍物之间最小距离为1.6 m、最大距离为2.8 m。（4）为提高植保无人机避障过程中障碍物周围雾滴覆盖,进行了用于增加障碍物周围雾滴覆盖的侧喷技术研究,提出了侧喷装置设计方法。该方法探索了植保无人机避障绕行路径和避障喷雾模式与障碍物周围雾滴覆盖的关系;提出了植保无人机飞行路径和参数准确测量方法,获得了植保无人机在避障时的飞行路径即相对障碍物位置;结合相对位置进行侧喷装置喷雾扩散角设计和喷嘴选型;基于格子玻尔兹曼方法进行旋翼风场仿真,根据旋翼风场分布进行侧喷装置在植保无人机上的空间布局设计;探索了适合侧喷装置的喷雾模式,进行了使用侧喷装置和未使用侧喷装置在不同作业环境和飞行参数组合下的障碍物周围雾滴覆盖情况对比试验,分析了飞行参数组合与侧喷装置的有效喷幅宽度和覆盖均匀性之间的关系,得到了回归模型及其线性关系。与未使用侧喷装置相比,相同飞行参数组合下,侧喷装置能有效提高避障绕行时障碍物周围的雾滴覆盖,有效喷幅宽度最低提高6.35%,最高提高35.32%,平均提高15.25%,验证了本文对该装置设计的有效性和合理性;建立的植保无人机侧喷装置雾滴覆盖均匀性和有效喷幅宽度与飞行高度、速度以及两者交互作用之间的回归模型和线性关系与试验值的误差不大于15%,该模型可指导侧喷装置在避障时的喷雾作业。综上所述,本文研究提高了障碍物环境下植保无人机的环境感知能力和避障能力,为植保无人机的安全自主飞行提供了一种新的解决方案;改善了植保无人机避障绕行时障碍物周围雾滴覆盖不足的问题,提高了植保作业效果。本文研究可为类似研究和同类型装置的研发奠定基础,为完善和推动植保无人机的应用提供新思路。