一种基于深度学习和双目视觉的无人机自主避障方法

本发明涉及无人机避障技术领域，公开了一种基于深度学习和双目视觉的无人机自主避障方法。该方法通过双目视觉采集终端获取左视图和右视图原始数据流，经深度神经网络模型的并行卷积编码分支提取立体视觉特征表示；输入三维空间重建模块生成稠密深度图及障碍物初始位置坐标集合；动态障碍物分析引擎结合无人机实时飞行姿态参数计算动态威胁评估指标，时空轨迹预测模型据此推算障碍物未来移动路径概率分布；融合该分布与预设航行路径规划数据生成三维避障航向修正向量，转换为飞行控制指令集下传至执行模块。此方法提升了无人机在复杂动态环境中自主避障的可靠性与适应性，为无人机安全航行提供了有力保障。