小型无人机具有体积小、质量轻、稳定、可靠、低空低速飞行的特点,在农业化肥农药的喷施、遥感监测等领域有着广泛的应用。避障功能是实现无人机安全飞行的重要手段,是无人机目前迫切需要解决的一个难题。提升无人机对于障碍物的感知能力,有利于提高无人机的安全性。本论文主要是通过多源数据融合来提高无人机障碍物感知的能力,通过超声波和激光传感器作为无人机进行障碍物感知的手段用于无人机在能见度不高的情况下进行的障碍物扫描感知。对于超声波传感器进行了预处理试验,主要针对测量行程、发散角,有效探测角度进行了测量,并以此设计了基于超声波传感器的障碍物感知系统,检测小型无人机在不同油门情况下的整体振动的空间和频谱分布,超声波传感器相对误差在不同油门和不同俯仰探测角度下的影响;对激光传感器进行了预处理试验,检测测量行程以及不同采集频率对于测量误差的影响,针对所设计的基于激光传感器的障碍感知系统,进行采用不同扫描方式和数据采集方式的影响试验。最后采用数据融合的方法来提升无人机障碍感知系统的感知性能。在频谱分布上,无人机的振动分布主要在三个频段,0-1.5KHz,8-9KHz,16-18KHz,随着频率的增高,小型无人机的振动幅度在随着减小;在空间分布上,随着远离无人机中心距离的增加会出现振动加强和减弱的现象,随着距离的增加,振动幅度整体上呈上升趋势。在不同俯仰探测角度的试验中,随着油门的增加,超声波传感器的测距误差会随之提升;随着俯仰角的增加超声波传感器的测距误差会相对上升,其中在平行于地面的情况下相对误差是最小的,在对障碍物检测的试验中,基于超声波传感器的障碍物感知系统对障碍物深度的感知的轮廓误差低于4%。激光传感器预处理试验中,激光测量结果与真实距离呈线性关系,不同采集频率情况下,5Hz的采集频率最为稳定,在俯仰扫描与竖直扫描试验中,扫描轨迹的畸变程度与俯仰角大小呈正相关关系。不同扫描模式下,同步扫描优于异步扫描,不同采集频率的异步扫描,采集频率越高,障碍物的轮廓细节则越明显。采用卡尔曼滤波的算法来融合超声波数据和激光数据,以超声波的数据来融合激光数据在XY轴上分量,得到了稳定性更强的三维点云分布。