四旋翼无人机是应用最广泛和最受欢迎的无人机之一。由于传统的无人机避障和路径规划主要依靠手动操作,当天气因素或障碍物遮挡等外界条件的干扰使得操作者很难准确的控制无人机飞行。因此本文研究了基于深度相机的智能室内3D地图构建以及障碍物识别,这种避障系统可以在黑暗的条件下进行室内环境监测,特别是进行救灾现场地形监测,救灾路径检测等,不仅能够准确地检测室内环境特征,还能避免不必要的人员伤亡,加快救灾效率。本文以四旋翼无人机为实验平台进行室内智能避障研究,主要开展了以下工作:针对无人机避障的图像处理延时问题,对视觉图像加速方案进行了研究,设计了一种基于FPGA的视觉图像加速方案。首先,无人机的飞行速度比较快,使用机器视觉进行无人机的避障控制,要保证图像处理的实时性,通过分析比较视觉加速方案,选用FPGA处理器作为无人机视觉检测的加速处理器。利用FPGA特有的并行处理数据的优势进行视觉图像加速,设计相应的视觉图像算法并使用Verilog语言进行程序编写。视觉加速实验中采用的是边缘检测算法,并行数据处理的方式进行图像处理,使用Vivado软件进行边缘检测算法的编写,同时调用FPGA内部的资源进行视觉加速处理,进而保障了障碍物检测的实时性。针对小型四旋翼无人机在室内复杂环境中3D地图构建问题,提出了一种新型的基于深度相机的地图构建方案。针对复杂的室内环境,特别是室内光线不足或者没有的情况下,使用普通的相机无法正常的获取室内障碍物信息。本文采用的是结构光相机进行室内环境的检测,无论室内是否存在光源,它都能获取室内的障碍物的图像信息以及图像的深度信息,算法处理上采用反传感器模型,反传感器模型具有结构简单,检测效率高等特征,能够准确的检测出室内障碍物并进行室内3D地图构建,为无人机的避障以及路径规划打下基础。针对无人机避障过程中障碍物的分类检测以及飞行路径规划问题,采用YOLO算法进行障碍物的类别信息检测,在室内3D地图构建的基础上采用TSP算法进行无人机的路径规划研究,在假设的场景下建立避障飞行的控制数学模型,通过模拟分析比较得出最佳飞行路径。