四旋翼无人机由于其体积小、结构简单、用途广泛,开始逐渐融入到大众生活中,并且逐步成为无人机领域关注和研究的重点。尤其是在无人机探索未知领域方面,无人机有越来越多的应用,例如四旋翼飞行器可以携带摄像头和激光雷达,方便的到达指定地点,进行目标探测。并且,无人机有其自身的优势,例如机械结构和控制理论简单、制造成本低等特点,有利于无人机在各个领域的推广。本文主要内容是设计完成飞行器控制方法、路径规划以及障碍物识别的研究,经过实验验证,采用的方法可以完成该任务。首先,本文介绍无人机在国内外的研究现状,总结国内外学者研究进展,对路径规划常用的RRT算法和目标识别算法进展进行了详细的描述。然后,本文针对飞行器建模,包括飞行器高度控制、Roll角控制、Pitch角控制、Yaw角控制,介绍飞行器目前流行的动力学建模方法,包括欧拉角法和四元数法,以及两种方法之间的角度转换关系。其次,本文介绍了RRT路径规划算法基本原理和参数设置,研究了不同步长和碰撞半径对算法运行时间和最优路径的影响,并得到了二维空间和三维空间下的最优路径。再次,算法路径规划结束后,需要对路径规划进行平滑性处理才可以达到飞行要求。因此,本文介绍梯度下降法在飞行器平滑中的应用,并进行了有针对性的改进,实验和仿真验证了方法的可行性。最后,本文通过YOLO V3深度神经网络算法对小车模型识别。该算法采用Darknet-53网络架构,借鉴了残差网络的做法,在一些层之间设置快捷链路,形成了更深的网络层次,以及多尺度检测,提升了识别精度和小物体的检测效果。通过实验结果与目前该领域研究数据对比分析证明,所采用的神经网络构架,在不降低识别精度得同时,实现了障碍物小车模型的识别。