随着无人机技术的逐渐成熟,制造成本大幅降低,无人机已经在多个领域得到了广泛应用,在环境监测、地质勘探、森林防火等民用领域中不断发展,并且其适用领域还在不断拓展。近年来,随着人工智能技术的兴起,将无人机与人工智能结合以提高无人机的自主性成为自主导航领域的研究热点。无人机在已知或结构化环境中的自主飞行已取得了大量研究成果,但在沙漠、森林等非结构化环境中的技术仍不够成熟。在复杂的森林环境中,无人机通过识别森林步道飞行是一种安全有效的行进方式。因此,如何准确快速地识别森林步道是研究的关键。卷积神经网络因其泛性强、鲁棒性高的优点在图像识别和分类领域中取得突出成果,成为如今路径识别方面的主流技术之一。针对无人机在森林环境下的自主飞行,本文提出一种基于深度残差网络的双列深度神经网络模型——2CDNN,该网络模型通过识别森林步道来判断无人机飞行方向,确保无人机始终沿着森林步道飞行。本文首先将图像进行CIELab颜色空间转换以保留更清晰的边缘特征,再利用直方图均衡结合边缘提取的方法获取特征图。将RGB图与特征图作为两路并列的深度残差网络的输入,以提取森林场景中的色彩与纹理特征,最终根据网络分类结果来确定飞行方向指令。该模型在森林数据集IDSIA上进行评估,实验结果证明其有效地提高了无人机在森林环境中的路径感知性能,准确率高达91.31%,比现有的方法提高了4.41%。此外,该模型还在AirSim仿真环境下进行性能验证,实验表明2CDNN模型模拟的飞行轨迹与森林步道走向相符;利用在AirSim环境下采集的合成训练集对模型进行微调后,飞行轨迹能够更加贴近森林步道走向,正确率进一步提升。