输电线路承担输送电能的重要任务,需要定期巡检和维护。随着无人机(UAV)技术的发展,智能化的无人机自主巡检是当前的重点研究方向之一。现有的无人机巡检方式其航线规划基本都是基于航路点的GPS信息进行设计的,部分区域GPS信号弱,使用条件受限,是阻碍无人机电力巡检广泛应用的主要瓶颈。针对复杂环境下的输电线路态势感知,本文以多旋翼无人机为平台,通过综合运用无人机技术、视觉定位技术和深度学习技术,构建具有自主飞行控制能力和缺陷检测能力的无人机电力巡检系统,命名为基于深度视觉的无人机自主巡检系统,实现对危害较大、特征明显的绝缘子类故障的实时巡检,主要工作如下:首先,提出深度视觉定位子系统,采用基于深度学习的目标检测算法,利用单目视觉的投影关系对尺寸已知的待检测目标进行空间定位,无需定位设备或视觉建图。对非线性单目视觉定位模型进行研究,修正相机镜头畸变和光轴校准误差带来的影响,提高定位精度。综合考虑检测准确度与速度,设计适用于便携式智能平台的轻量级目标检测网络MobileNetV1-YOLOv3,建立检测结果与视觉定位模型的联系,将提取的视觉信息转换为空间位置并对缺陷进行检测。其次,针对视觉定位信息输出滞后的问题,提出一种融合多传感器数据的的卡尔曼滤波算法,利用机载传感器数据修正并补偿视觉定位信息,实现无人机的实时定位。基于Android平台和DJI Mobile SDK对地面站控制中心进行开发,具体论述了硬件设备的信息交互和虚拟摇杆模式对无人机的控制等核心功能模块的实现方法。最后,在实地环境对本文系统的整体性能进行测试,设计系统作业流程并通过对比实验定量分析系统的定位误差,随后对绝缘子进行巡检实测并针对220kV电力杆塔设计了完整的巡检流程,结果表明本文系统的定位精度优于GPS设备的结果并且能够实现无人机对绝缘子的实时巡检。