对于智能无人移动平台最关键的两个要素是定位技术和自主路径规划技术。定位技术保证无人移动平台自身的稳定状态,自主路径规划技术保证无人移动平台执行任务过程中的安全。本文使用小型无人机为研究载体,围绕基于视觉的SLAM定位和实时路径规划方法展开研究,旨在仅依靠单一的视觉传感器解决上述两个问题,使无人移动平台具备自主定位和实时路径规划的能力。主要工作及创新点如下:（1）总结了基于视觉SLAM的定位技术研究。针对视觉SLAM的运行效率和定位精度之间的矛盾,本文改进了一种基于视觉SLAM的定位算法,保证了实时性和定位数据的精确性。前端改进的基于Harris角点大范围稳定的图像特征追踪算法,把图像特征的追踪范围扩大了15倍,保证了特征追踪的稳定性。后端采用基于紧耦合视觉和IMU改进的轻量型纯运动视觉-惯性BA,剔除了非必要优化的相机外参、陀螺仪和加速度计的偏置以及特征点的深度,提升了后端优化的速度。仿真实验对比了有回环检测和无回环检测的基于视觉SLAM的定位算法,结果表明基于Harris角点大范围稳定的图像特征追踪算法具有稳定性,改进的轻量型纯运动视觉-惯性BA具有较好的误差调节能力。从运行速度、定位精度和占用计算资源三个方面综合考虑,选择了不含回环检测的基于视觉SLAM的定位算法为无人机和路径规划算法提供定位数据。（2）总结了路径规划技术研究现状,分析了全局路径规划和局部路径规划的优缺点。针对于全局路径规划实时性不好和局部路径规划容易陷入局部最优的问题,本文改进了基于A星的实时路径规划算法,平衡了实时性和正确性。首先使用Minimum Snap生成一条全局轨迹引导全局规划,沿着全局轨迹检查碰撞,只关心产生碰撞的轨迹段的环境,对其他不产生碰撞的环境不做任何处理,提高了规划算法的运算速度,减少了对计算资源的占用。在产生碰撞的局部地图中,使用A星算法搜索一条沿着障碍物表面的最短轨迹,基于此构建碰撞惩罚函数,结合轨迹光滑性惩罚函数和动力学可行性惩罚函数作为优化目标。使用拟牛顿法加速轨迹优化速度,提高实时性。为验证上述方案的可行性,设计了在不同复杂度的地图下的仿真实验,结果表明基于A星的实时路径规划算法规划的路径光滑合理,有很好的正确性。随着地图复杂度的提升平均一次规划的时间有所增加,但均在1ms内,表明基于A星的实时路径规划算法也具有很好的实时性。（3）搭建了实机实验平台。采用了Intel D435I相机作为唯一传感器,机载计算机采用NVIDIA NX板载计算机,飞控采用PX4。为进一步验证基于视觉SLAM的定位算法的可行性,设计了使用不含回环检测的定位算法提供定位数据控制无人机的实验。结果表明,不含回环检测的基于视觉SLAM的定位算法能够保持无人机的稳定飞行状态,定位误差在0.05m内。定位算法对高度的估计随着飞行高度的增加,可靠性会下降。无人机速度在4m/s以内,定位数据不会发散。（4）为验证无人机能够仅依靠视觉传感器完成自主定位和实时路径规划任务,将基于A星的实时路径规划算法部署到实机上,使用不含回环检测的基于视觉SLAM的定位算法提供定位数据。实验结果表明,无人机能够保持稳定飞行,并且在基于A星的实时路径规划算法指导下最终执行了一条的安全、光滑且耗能合理的路径。无人机仅依靠视觉传感器,不但成功完成了自主定位和实时路径规划任务,而且保证了实时性和正确性。