无人机的自主避障飞行对于无人机来说具有十分重要的意义,随着无人机应用范围的不断扩大,无人机应用的领域也在不断增多,近年来,无人机在电力系统领域也发挥着越来越重要的作用,尤其是在电力巡线种的应用。但目前应用无人机电力系统一般采用人工控制,智能化程度低。而且无人机在电力巡检时需要克服的最主要的问题就是避障问题,而避障问题中需要解决的核心问题是障碍物的识别和无人机与障碍物的距离之间距离的测定。主要运用基于模糊商空间理论设计动态粒度矩阵的方法,获取了图像的分层结构,然后根据分层结构,设计了量子启发式的群领导混合算法,进而结合量子进化、群领导算法和逻辑映射的优点,计算得到了最佳粒度层;在最佳粒度层随机初始化种群之后,通过相应的变换等操作,实现各个组群的优化,从而获得最佳的二维分割阈值作为Canny边缘检测的自适应阈值;根据自适应阈值的边缘检测实现了物体的检测和分割。通过设计的动态粒度矩阵和混合算法,对条纹成像图像,进行分割、去噪等处理,所设计算法对于某些比较差的环境下的障碍物的检测和分割具有很好的优化作用;同时,通过参数学习公式,获取障碍物更准确的距离、角度和宽度信息。本文以无人机为研究对象,针对无人机巡线轨迹规划,运用基于遗传算法的二维平面轨迹规划方法和基于人工势场方法的三维平面轨迹规划方法。提出了基于极轴均匀变化的染色体编码方式,对起始点和终止点之间的路径做了有效分解,解决了路径偏转角的约束问题,同时分别基于观测距离最佳和目标总距离最小两个指标对无人机在二维平面内的轨迹做了规划,得到的仿真结果体现无人机在二维平面内面对静态障碍和动态障碍时都得到了有效的避障。同时在三维平面内基于人工势场法,建立引力势场、斥力势场、障碍点的数学模型,在仿真实验中得到了无人机三维的轨迹规划路径。