传统的风机叶片巡检方式存在效率低、难度大等问题,随着无人机和图像处理技术的发展,基于旋翼无人机对风机叶片表面损伤进行巡检获得了较大的发展。但风电场的电磁干扰会严重影响无人机的GPS（Global Positioning System）定位,并且巡检路线的规划以操控人员的经验为主,效率难以保证。因此,本文以提高巡检效率和定位精度为出发点,针对面向无人机自动化巡检风机叶片的最佳航迹线规划及视觉惯性融合定位问题开展了如下研究工作:（1）考虑到无人机巡检风机叶片时需要获取清晰的、完全覆盖风机叶片表面的图像集,本文建立了风机3D场景模型,并对模型进行网格化处理。根据成像设备拍摄角度、安全距离等约束条件,规划出风机模型表面每个网格对应的候选航迹点空间,以保证候选航迹点至少可拍摄到一个网格区域,并通过随机采样完成了航迹点的初始化过程。（2）鉴于最优航迹线的规划过程相当于求解NP-hard问题的过程,本文采用迭代优化算法进行3D场景目标建模及航迹线规划。基于采样出的航迹点,采用RRT*完成航迹点对间的初次代价计算,以k值可变的r-opt操作LKH-TSP算法进行航迹线的优化设计及优化,得到当前的最优航迹线;然后,基于各约束条件构建的候选航迹点区域计算出与相邻航迹点距离最短的航迹点集,再以此为基础重新规划最佳航迹线;两步交替进行直至得到能够不重复地经过所有航迹点的最优航迹线。最后,在Ubuntu系统下基于ROS进行了仿真验证,得到了可用于3D场景风机叶片巡检全覆盖路径最短的最优航迹线。（3）基于双目视觉SLAM模型的无人机巡检位置计算及准确定位。为克服野外风场环境光线对视觉定位产生的影响,本文采用双目视觉与惯性相融合的方法进行定位,两者以紧耦合的方式相互配合。惯性测量可以弥补视觉定位快速移动或者纯旋转时跟踪定位失败的问题,并且在视觉定位系统中进行点线特征的匹配,解决风电场环境中弱纹理问题,充分利用风场环境信息,提高定位精度和鲁棒性。（4）考虑风机叶片偏转角度的全局航迹线实时优化矫正。由于不同风场风机叶片的停机状态具有一定的不确定性,本文提出可在线识别叶片偏转角度的全局航迹线优化矫正策略。首先,将无人机飞至预检风机机舱的正前方,获取风机正面的图像;然后,采用EDLines算法获取风机叶片停机轮廓的边缘信息,并用最小二乘拟合等方法对图片进行清晰化处理;最后,据此计算出风机叶片相对于参考状态偏转的角度,并根据本文给出的航迹点矫正公式对全局航迹线进行实时优化矫正,以保证规划出的航迹线可用于巡检任何停机状态下的风机叶片。（5）设计软、硬件仿真验证平台。在ROS环境中通过构建的风机叶片3D模型,验证本文提出算法对最优航迹线的计算能力和定位的精度与稳定性。同时,搭建了硬件平台,对视觉传感器和惯性传感器进行了标定,设计了定量实验,并验证了可考虑风机叶片偏转角度的进行航迹线矫正的可行性。