环境地图的及时获取是机器人实现自主化与智能化的关键之一,其任务的快速进行需要环境信息作为参考,而人为进行地图构建将耗费巨大的成本与时间。旋翼无人机体积小、机动性强、自主性高,因此使用无人机实现对环境的自主探索与地图构建是其技术发展的重要方向之一。无人机自主探索任务是在没有人为干预的情况下,利用无人机在指定的未知环境中自主生成目标点并进行运动决策与规划,最终构建完整精确的环境地图。为实现对未知环境的自主探索与地图构建,无人机需要搭载能够实时感知环境的传感器,如摄像头或激光雷达。相比于摄像头,激光雷达受环境影响小,测量范围广、精度高,更加符合无人机探索任务的需求。目前自主探索算法大多基于RRT（Rapidly-Exploring Random Tree,快速扩展随机树）路径规划算法,以寻找地图内的边界点（已知环境与未知环境交接处的点）为目标,而后形成路径。该方案在探索后期由于未知区域小而分散,导致探索效率大幅降低。针对上述问题,本文基于激光雷达传感器,对无人机导航定位、自主探索、路径规划、飞行控制方法进行研究,提升无人机对未知环境探索的效率。本文首先对无人机环境自主探索的应用现状进行了分析,设计了基于激光雷达的无人机环境自主探索与地图构建方案。针对GNSS（Global Navigation Satellite System,全球卫星导航系统）拒止环境下,无人机缺少导航定位与地图信息的问题,本文采用激光雷达作为感知传感器,对基于全局概率配准的激光雷达SLAM（simultaneous localization and mapping,同步定位与构图）技术进行研究,并将其解算结果与惯性数据通过EKF（Extended Kalman Filter,扩展卡尔曼滤波）进行信息融合,丰富导航状态量的输出,并提高输出频率,解决了无人机在GNSS拒止环境下自主导航定位问题,同时构建并更新实时的环境地图,为后续的路径规划及无人机自主飞行控制奠定基础。随后,针对传统探索算法在后期边界点搜索效率低的问题,本文提出了多RRT搜索边界点的方法,利用全局RRT不断寻找环境内的边界点,局部RRT在向外扩展搜索边界点的同时,将全局RRT搜索到的边界点作为引导,驱动局部RRT向已知边界点靠近,加速边界点搜索速度。对局部RRT搜索到的边界点建立评估模型,考虑导航代价、信息增益与定位精度,筛选最优的边界点作为目标点,并对局部RRT形成的路径进行优化,提高了探索效率。为保证构建环境地图的完整性,本文基于数字图像处理领域的边缘检测方法,将实时构建的栅格地图转化为灰度图像,使用Canny算子对其进行边缘检测,提取地图中的有效边界,建立地图完整性评估模型。若地图构建不完整,在检测得到的有效边界上提取边界点,使用基于多RRT边界搜索与路径规划方法继续探索任务,直至地图构建完整。无人机探索任务的目的为构建环境地图,相对于传统算法将RRT搜索不到边界点作为探索任务的终止条件,本文算法保证了完整地图的构建,有效降低了地图构建不完整而探索提前终止的可能性。最后,论文设计了一款小型共轴的四轴八旋翼无人机,并基于此搭建了环境自主探索算法验证试验平台,设计并实现了包括无人机外环飞行控制、路径跟踪、导航定位在内的一系列算法。基于搭建的无人机平台,本文进行了实际飞行试验,对本文提出的环境自主探索算法进行了验证,表明了该无人机系统与本文算法的可行性。