无人机因其造价低、运动性能好等特点广泛应用于军队和商业领域,随着无人机自主性和智能化的发展,未知环境下的路径规划问题成为当前的研究热点。为了使无人机具备三维环境感知能力和检测到障碍物后自主路径规划能力,本文以双目相机作为旋翼无人机的主要传感器,对环境感知问题进行了研究,并对旋翼无人机获取环境信息后的路径规划问题进行了分析,提出了在二维未知环境下自适应动态窗口蚁群算法和三维未知环境下融合蚁群算法,对提出的改进方法进行了仿真验证。本文主要研究内容如下:首先,利用双目视觉相机搭建了无人机环境感知系统,对双目立体视觉相关原理及三维测量的实现方法进行了详细的分析。为了较好的实现后续环境感知功能,通过标定实验来确定相机的内部和外部参数并由其对图像计算进行畸变校正。其次,利用双目相机输出的深度图像,融合灰度图像数据计算出的单帧点云图,基于surf算法对多帧灰度图像进行特征提取和匹配并通过ICP点云配准实现相邻多帧的点云拼接,实现了较好的三维场景重建结果。基于障碍物深度信息,对无人机障碍物检测标准进行划分,通过k-means聚类算法将障碍物从图像分割,达到障碍物检测的目的。在室外环境下进行了障碍物检测实验,结果表明在一般光源条件下能够对多类型多障碍物进行检测,且根据单一障碍物测距的误差分析表明,将无人机安全距离保持在2-3m内可以获得较精确的检测范围。最后,研究了蚁群算法在未知环境下路径规划的应用。在二维环境突发未知障碍物时,提出了基于自适应动态窗口的改进蚁群算法:将改进的蚁群算法在可自动调整范围的动态窗口内进行路径的重新规划以达到避障目的,仿真结果表明算法无人机在具有未知障碍物情况下的避障能力强,耗时短。在三维未知环境下,分析需要融合的两种算法的不足作出优化,提出了基于蚁群算法融合人工势场法的三维未知环境路径规划算法。利用三次贝塞尔曲线对算法得到无人机飞行路径作符合飞行特性的平滑处理,进行了仿真试验,结果表明改进的三维蚁群算法寻优能力强收敛速度快,且融合算法可以有效的在未知环境中规划出适用于无人机飞行特性的避障路径。