随着无人机避障技术的日益成熟,全向避障作为无人机避障的最终形态,越来越多地出现在无人机自主感知与避障的领域中。四旋翼无人机由于成本低、机动性强等特点,在军事和民用领域都有广泛的应用。为实现无人机的自主飞行,其避障技术必不可少。目前无人机的全向避障往往通过累加传感器的方式解决,其大多算法结构简单、体积比较庞大、算力要求较高、价格贵、重量大,不符合无人机的实际应用需求。本文引入对动态障碍物的预测机制,将无人机普通避障方案与视野外动态障碍物的避障方案进行融合,实现了基于双目视觉的无人机全向自主感知与避障。论文的主要研究工作如下:采用了基于三维向量场直方图法的无人机避障算法,改进了基于三维向量场直方图法的无人机避障算法在面对运动物体移动到视野外时的侦测丢失、无法规避与交互的问题,针对无人机视野外动态障碍物进行感知、预测与规避,提出了无人机全向自主感知与避障的概念与具体实现方法。通过基于深度学习的目标检测与目标跟踪感知研究对象在视野内时的运动状态,随后利用双目视觉原理将研究对象的像素坐标变换为世界坐标,并通过最小二乘法进行轨迹拟合预测研究对象未来的运动状态,最终生成带有对象未来运动信息的预测点云并用于后续避障环节,完成了基于三维向量场直方图法的无人机普通避障算法与视野外动态障碍物预测避障算法的融合。完成了课题研究需要的实验软硬件平台的搭建,来作为后续研究的基础,通过仿真实验与实物实验验证了方法及算法的意义,给出了结果分析与改进方案。考虑实验难度及复杂度,引入特定条件作为全向避障的前提,设定研究对象作匀速直线运动且曾经被无人机视野感知,测试无人机在背对行人即行人在无人机视野外时的情况下的预测避障。实验结果表明,在作匀速直线运动行人进行全向避障的实验条件下,无人机在相机视野内成功感知并在相机视野外成功对行人实现了避障,证明无人机在视野外仍能进行有效避障,进而证明了特定条件下的全向避障算法的可行性与可靠性。方法符合当前无人机的研究需求与市场需求,在未来无人机视频直播领域等诸多领域具有较高意义。