多旋翼微型无人机因其灵活、便携、可垂直起降和高速巡航等特点，被广泛应用在航拍测绘、农业植保等多个领域。随着行业无人机技术的发展，无人机应用领域不断扩大，许多新兴的应用，如智慧物流、搜索救援、电力巡检等，对无人机的自主性提出了更高的要求，需要无人机在执行任务的过程中能够自主地处理各种复杂情况，例如无人机在GPS失效的情况下仍能精确定位、在飞行过程中自主躲避障碍物、动态规划航线、自主探测到合适的位置降落等。因此，使无人机具备自主感知与导航的能力是扩展其应用领域的关键。
　　本文设计并实现了一套完整的无人机自主感知与自主导航系统。主要包含基于双目立体视觉的环境感知算法、基于全局路径搜索和局部轨迹优化相结合的运动规划算法。在感知算法部分，利用双目视觉与惯导相融合的SLAM算法实现无人机状态估计并构建视觉障碍物环境地图；在运动规划部分，根据无人机的状态和障碍物地图信息，先利用混合状态A*算法搜索出到达目标点的可行路径，再采用B样条轨迹优化算法对搜索路径进一步局部调优，求解出满足无人机动力约束的安全平滑轨迹，最后通过轨迹服务器引导无人机贴合规划的航迹飞行。同时，基于Gazebo仿真器和AirSim仿真器，搭建了完善的无人机自主导航软件仿真平台用于算法测试和系统分析。
　　针对于无人机的多场景感知问题，本文提出了一种基于双目立体视觉与IMU和GPS相结合的多传感器融合无人机状态估计算法，采用紧耦合与松耦合相结合的方式，将双目视觉里程计与IMU和GPS信息融合，从而解决无人机多场景和跨场景的状态估计问题。
　　本文在多个公开数据集、仿真环境和真实场景中均设计了丰富的实验，详细分析各个功能算法的实时性与准确度以及整个无人机自主感知与导航系统的可行性。最后将本文所提出的无人机自主感知与导航系统部署在搭载了NVIDIATX2机载计算机、MYNT-EYE立体相机、Pixhawk飞控的四旋翼飞行器上，在真实应用场景下验证了无人机系统自主避障飞行的有效性。