电力巡检是保证电网正常运行的必要环节。在电力杆塔的自动化巡检的研究之中,如何保证巡检工人的安全和提高巡检的效率是非常重要和热门的研究方向。近些年来,随着无人机飞行控制技术、传感器技术以及人工智能技术的进步,搭载多种传感器且结合各项智能技术的飞行机器人逐渐应用到多个领域。由于飞行机器人可以替代人工完成巡检任务来保证人员的安全性并且巡检的效率有较大幅度的提升,因此,它逐渐的被应用到电力杆塔以及输电线路的巡检之中。在实现电力杆塔的自动故障巡视的过程之中,飞行机器人的航迹规划和电力杆塔的目标识别是两个非常关键的组成部分。本文针对这两部分进行了相应的研究,开展了以下工作:第一部分,针对三维复杂地理环境下飞行机器人的三维航迹规划问题,提出了一种基于改进灰狼优化算法的飞行机器人三维航迹规划方法。为了模拟真实的地理环境,建立了三维地理环境模型和禁飞区模型,同时构造了合理的航迹评价模型。在改进算法中,针对标准灰狼优化算法在初始化过程中个体适应度值较低的问题,设计了基于贪婪思想和变异策略相结合的种群初始化方法,提升了种群个体的平均适应度值。针对标准灰狼优化算法搜索能力不强的问题,引入了一种非线性函数到距离控制参数,提升了算法的搜索能力,在一定程度上避免了局部最优的问题。针对标准灰狼优化算法中位置更新策略不灵活的问题,设计了一种动态加权平均和静态平均相结合的混合位置更新策略,提升了算法中位置更新策略的灵活性。最后,通过实验结果表明,该算法相比于多种相关算法,航迹代价较小且收敛速度较快。第二部分,为了克服电力杆塔的目标识别过程中所涉及拍摄角度过于严苛、巡检不完整以及匹配错误等问题,提出了一种基于视点分块与点云配准的电塔语义化目标识别方法。针对电力杆塔建立了相应的语义化标签模型和安全模型。在改进算法之中,对于电力杆塔进行视点分块,之后对于每一块进行初步粗匹配和二次精细匹配。初步粗匹配采用了基于PCA算法的配准方法,二次精细匹配采用了基于ICP算法的配准方法。最后,实验结果表明,在不需要过多的限定拍摄角度的情况下,通过该方法可以方便准确的对整个电力杆塔进行目标识别。