目前四旋翼无人机已广泛地应用于军民领域，其安全问题日益凸显，亟待进一步解决。大多数四旋翼无人机只能沿固定路线飞行或由操控者直接操作，无法自主躲避障碍。为了提高四旋翼无人机自主飞行能力，在控制系统研究的基础上[1]，根据CDIO项目实践课程要求，设置了“四旋翼无人机实时定位与避障系统”实践项目，指导学生设计四旋翼无人机自主定位和避障系统，使无人机能在飞行过程中绕过障碍物，按指定路线完成物资投放任务。

　　1 四旋翼无人机结构设计

　　2 算法设计

　　3 算法测试与系统调试

　　4 结语

　　本文研究了双目视觉定位方式，实现了无人机在室内的精确定位。利用yolov3神经网络训练目标检测模型实时检测目标位置并给出置信度，利用分析激光雷达点云数据的SLAM技术实现障碍检测，利用人工势场法实现无人机的自主避障，最终实现了四旋翼无人机的自主定位与自主避障。

　　本项目是我院CDIO项目实践课程的选题之一，以全国大学生工程训练综合能力大赛—智能配送无人机赛道相关任务为要求，指导学生成功设计并搭建了一个能够根据设定的多个目标点自主规划路径、躲避障碍和投递物资的智能配送无人机。

　　参考文献

　　[1] 胡改玲,桂亮,权双璐,等.串联模糊 PID 控制的四旋翼无人机控制系统设计[J].实验技术与管理,2019,3(36):132-135.

　　[2] TAREEN S A K, SALEEM Z. A comparative analysis of SIFT, SURF, KAZE, AKAZE, ORB, and BRISK[C]//IEEE, 2018.

　　[3] LINDEBERG T. Scale-space theory: a basic tool for analyzing structures at different scales[J]. Journal of Applied Statistics, 1994, 21(1-2): 225-270.

　　[4] YAN L, HAO Q, CAO J, et al. Infrared and visible image fusion via octave Gaussian pyramid framework[J]. Scientific Reports, 2021, 11(1).

　　[5] MELER A, RUIZ-HERNANDEZ J A, CROWLEY J L. Probabilistic model of error in fixed-point arithmetic Gaussian pyramid[C]//IEEE, 2009.

　　[6] CHUN L Z, DIAN L, ZHI J Y, et al. YOLOv3: Face detection in complex environments[J]. International Journal of Computational Intelligence Systems, 2020, 13(1): 1153.

　　[7] GAI S, SUN R, CHEN S, et al. 6-DOF robotic obstacle avoidance path planning based on artificial potential field method[J]. Energies, 2019.

胡改玲 权双璐 郭文静 王永泉　西安交通大学机械工程学院