近年来,随着科学技术的快速发展,无人机项目蓬勃发展。具有自主飞行能力的无人机由于体积小、成本低、机动灵活的等优点,被广泛地应用于军事、民事和科学研究当中。然而现有的微小型无人机在城市有雾、低空的恶劣环境下,不能自主的感知周围环境信息。可视范围内可以人为遥控飞行;超出视野范围障碍物则会对无人机安全产生威胁。因此,低空有雾的复杂环境中如何感知环境信息,保证微小型无人机障碍物的辨识准确,已成为当今社会关注的重点与难点。本文主要研究工作:(1)图像降噪、去雾处理。本文首先采用基于暗原色先验的图像去雾算法;然后用高斯滤波代替He算法中软抠图对图像进行降噪、平滑处理;最后结合峰值信噪比对图像进行去雾处理,得到清晰地无雾图像。(2)超声波传感器的选择与测距。本文首先对超声波理论进行研究;然后对基于非接触式传感器的性能进行比较,选择合适的传感器;然后分析超声波测距原理和影响超声波测距的主要因素,选取合适的型号进行测距。(3)光流计算。本文首先介绍了光流场基础理论,理清了光流场、运动场之间的关系;然后根据光流约束条件亮度恒定、时间连续和空间一致的假设,进行选取置信点的选取工作,然后进行光流计算以及评价;最后对仿真结果进行分析、比较,验证本文算法的有效性。(4)微小型无人机障碍物辨识。主要进行金字塔分布式检测,综合超声波传感器测得的数据和图像降噪、去雾处理后计算的光流大小和设定阈值进行比较,判断是否为障碍,然后对仿真结果分析,验证该方法的可行性。