在无人机发展的历程中,安全性是一个永恒的话题,利用各类传感器实现的避障技术是保障无人机飞行安全的重要基石。然而受到无人机载重和体积的限制,机上搭载的传感器和计算平台性能相对低下,仅能实现对障碍物轮廓的基本感知和了解,无法根据周边障碍物类型的不同选择合理的安全距离。这极大限制了无人机在复杂环境中的应用范围。为了能够赋予无人机对周边环境理解的能力,进而提升无人机在复杂环境下的避障能力。本文基于神经计算棒(Neural Compute Stick,NCS)设计并实现了一种适用于无人机的语义SLAM系统。对比传统的视觉SLAM系统,本文提出的语义SLAM系统在以下两个方面做出了改进。一方面增加语义分割网络模块,该模块在卷积神经网络的基础上,利用NCS实现了语义分割网络在无人机平台上的部署,并根据无人机使用场景和NCS的性能特点,从深度信息、网络结构和数据加载方式三个方向对传统语义分割网络进行改进;另一方面改进现有视觉SLAM系统的建图方法,首先将SLAM算法获取的点云数据和语义分割模块输出的语义信息结合,绘制包含语义信息的局部点云地图,再根据语义信息对周边物体设置合理的安全距离,最后利用八叉树建图技术将设置好安全距离的局部点云地图拼接成用于避障的预警地图。实验部分,本文首先对语义SLAM系统中的语义分割模块进行了验证。实验结果表明,基于NCS改进的语义分割模块能够在保证实时性的前提下,正确获取周边环境的语义。其次对语义SLAM系统整体运行效果进行验证。实验结果表明,本文提出的语义SLAM系统能够根据语义分割模块提供的语义信息,建立可用的预警地图。最后,本文通过半实物仿真的方式,整体验证了该系统配合PX4飞控避障的有效性。