自2010年以来,消费级无人机凭借着其价格便宜、可塑性高、应用场景广等优点被广大消费者所青睐,消费级无人机的数量也在与日俱增。然而由于自身故障和外力因素的影响,无人机时常会出现不可控甚至坠毁现象。不比地面机器人,一旦无人机坠毁将对地面的人员和设施造成巨大危害,因此无人机安全问题一直是无人机研发人员和消费者最为重视的环节。本文将从无人机姿态预估这一方面的研究来对无人机安全问题提供解决方法。本文结合机器学习对无人机姿态进行预估,本文把无人机姿态分为正常飞行的九种正常姿态和异常飞行的十一种故障姿态,并利用边缘计算引擎进行神经网络模型的推理运算,让无人机实现自我预估其自身飞行姿态。为了满足对无人机实际飞行姿态的研究,本文设计并搭建了无人机实验平台,用于数据采集和实验结果验证。为了方便无人机数据的采集,本文还开发了一套数据采集上位机。为了对无人机传感器数据这种时间序列数据进行特征提取与处理,本文提出了基于长短记忆神经网络（LSTM）的神经网络模型,用于实现根据无人机传感器数据进行无人机姿态预估的任务。为了让无人机在空中实现自身的姿态预估,本文运用了华为公司开发的边缘计算引擎Atlas 200 DK来进行神经网络模型的部署与运行,并把Atlas 200 DK与无人机飞控直连来进行无人机在空中实时自我姿态的预估。实验证明,基于LSTM的神经网络模型对无人机姿态预估的准确率比较高,在Atlas 200 DK加速下能实时预估无人机姿态,因此能够实现无人机在空中对自身姿态的预估。本文实现了无人机在空中自身的姿态预估的任务,然而这对防止无人机失控和坠毁还是不够的,因此在接下来的工作将根据本文所预估到的无人机故障姿态进行控制器开发,让无人机出现故障姿态时能自我调节,从而增强无人机在空中作业的安全性。