哈尔滨工业大学的金峰等人研究了关于利用Kalman滤波器技术实现IMU和激光扫描仪之间的数据融合算法，为室内无人机的精确定位提供了理论支持[10]；天津大学机器人与自主系统研究所的古训等人在二维位姿估计算法的基础上，创造了一种无人机在三

维地图下位姿估计的新算法,成功实现了无人机在缺失GPS定位信息的室内环环境中的定位[11]。

2  路径规划方法

飞行器的航迹规划研究来源于空中战斗机的任务规划系统，而无人机的路径规划至今仍然面临众多严峻的挑战。因为室内环境更加复杂，障碍物的形态、分布方式更加多样化，涉及室外无人机或者地面移动机器人的算法在室内环境中使用效果明显较差。

Overmars等人在1992年提出随机路标图法[12]，通过对周围环境随机进行采样生成参考路标，然后在该参考路标的基础上根据最新采样点不断更新可能存在的路径。该方法的好处就是可以权衡路径规划的效率和最终成果的质量，一般不适于实时变化的环境中。2008年，澳大利亚的Stefan Hrabar 等融合D* Lite算法与随机路标图法，借助视觉传感器实现了无人机的室内路径规划。2013年，新加坡国立大学的王飞等人在结合了视觉、惯性导航和激光扫描仪的基础上将人工势场法应用于无人机室内避障。

目前国内无人机的路径规划研究正趋近于实时化和智能化。华中科技大学的郑昌文[13]等人提出动态稀疏 A*搜索算法，能够在复杂的飞行环境中实现实时在线分析再规划；南京航空航天大学的李猛等人[14]提出了多重启发蚁群优化算法，有效地增强蚁群优化算法的航迹规划能力；哈尔滨工业大学的于振中[15]等人针对传统人工势场法存在的缺陷，对人工势场模型进行了改进，并在此基础上将各种势场强度进行叠加，用遗传算法搜索并构造全局优化路径。