近年来，随着多旋翼消费级无人机市场的飞速增长，其相关技术也正在发作一日千里的革新，以往多用于特种行业甚至军用产品上的技术（如飞行控制、图像传输、目的辨认和跟踪等）也越来越多地用于消费级无人机，使其越来越接近于自动化甚至智能化飞行机器人的概念。

　　在消费级无人机技术的诸多趋向中，避障才能是完成自动化乃至智能化的关键环节，完善的自主避障零碎将可以在很大水平上增加因操作失误形成的无人机损坏和伤及人身和修建物的事故发作率，而从各消费级无人机厂商的新品和技术开展方向看，避障技术也将在将来几年趋于完善并成为中高端消费级无人机的标配零碎。

　　避障技术，望文生义就是无人机自主规避妨碍物的智能技术。很多玩过无人机的小同伴们都晓得，有避障功用的无人机和没有避障功用的无人机，可以说体验是大不相反的！无人机自动避障零碎可以及时地避开飞行途径中的妨碍物，极大地增加由于操作失误而带来的各项损失。在增加炸机事故次数的同时，还能给无人机老手极大的协助！

　　无人机避障技术的开展阶段

　　依据目前无人机避障技术的开展以及其将来的研讨态势，无人机避障技术可分为三个阶段，一是感知妨碍物阶段；二是绕过妨碍物阶段；三是场景建模和途径搜索阶段。这三个阶段其实是无人机避障技术的作用进程。从无人机发现妨碍物，到可以自动绕开妨碍物，再到达自我规划途径的进程。

　　第一阶段，无人机只能是复杂地感知妨碍物。当无人机遇到妨碍物时，能疾速地辨认，并且悬停上去，等候无人机驾驶者的下一步指令！

　　第二阶段，无人机可以获取妨碍物的深度图象，并由此准确感知妨碍物的详细轮廓，然后自主绕开妨碍物！这个阶段是摆脱飞手操作，完成无人机自主驾驶的阶段！

　　第三阶段，无人机可以对飞行区域树立地图模型然后规划合理线路！这个地图不能仅仅是机械立体模型，而应该是一个可以实时更新的三维平面地图！这将是目前无人机避障技术的最高阶段！

　　感知妨碍物

　　在前避障时代，消费级无人机的运用阐明上都会标明必需在开阔场地飞行，而且该当尽量防止四周有少量人群（当然，这也与以后技术和市场环境使得消费级无人机产品的牢靠性较差有很大关系），由于一不小心操作失误，或许在四周有矮小妨碍物时启动一键（低电压、失控）出航，则有能够眼睁睁看着无人机傻傻地撞向那么分明的妨碍物，这是何等的回天乏力。为了降低这种事故的发作率，各厂商也都在卯足劲研发避障技术，而在完成方式上，大家的着眼点也都放在了一个方向——测量无人机到妨碍物的间隔。

　　我们可以很容易地想到，只需无人机可以测量出与潜在妨碍物之间的间隔，就可以在撞向妨碍物之前中止行进（虽然固定翼无人机表示不赞同），于是一场让人觉得回天乏力的事故被轻描淡写地防止了，这种思绪复杂粗犷，但还是有一定作用的。而以后运用较多的妨碍物检测办法次要有：

　　超声波测距：这个办法很多人都熟习，家用汽车的倒车雷达就是应用超声波检测妨碍物，该办法的优点就是技术成熟，本钱很低；但缺陷在于作用间隔近（常用的中低端超声波传感器作用间隔不超越10m），且对反射面有一定要求。因而超声波测距传感器常用来测量无人机与空中的间隔（固定翼无人机表示本人飞的太高太快，超声波传感器用不上）。

　　红外/激光TOF：即飞行工夫传感器，根本原理就是传感器发射一定频率的红外/激光信号，然后依据反射信号与原信号的相位差计算信号的飞行工夫，即可换算出间隔妨碍物的间隔。该办法技术比拟成熟，作用间隔较超声波更远（数米到数百米），而且初等级的TOF传感器可以取得妨碍物的深度图像（这一项才能在下文会有使用阐明），但缺陷在于本钱高，抗搅扰才能较差（激光TOF稍好）。因而该方案在以后市场上产品或样机中有一定规模的使用。

　　双目视觉：这个办法运用了人眼估量间隔的原理，即同一个物体在两个镜头画面中的坐标稍有不同，经过转换即可失掉妨碍物的间隔，双目视觉办法也可以取得妨碍物的深度图像。这种办法的缺陷在于技术难度较高（不过自从有了OpenCV，妈妈再也不必担忧我不会写机器视觉顺序了），且间隔估量的误差随间隔变大而指数型增长，只是这一缺陷在无人机避障使用中并无大碍。

　　电子地图：借助细粒度的数字高程地图和城市3D修建地图，既可以完成防止重要修建物遭到无人机撞击（即禁飞区功用），也可以完成很多状况下的无人机避障。而现实上，战斧巡航导弹的近程飞行也在很大水平上依赖于数字高程地图。

　　妨碍物测量的原理搞懂了，就可以开端讨论无人机避障了。最复杂的战略莫过于遇到妨碍物时中止行进，然后与妨碍物坚持一定的间隔。这种遇到妨碍物后就默默悬停等候，似乎不知所措不知所往的初级战略，就是这么复杂的开端，无人机就进入了避障时代。

　　绕过妨碍物

　　很显然，我们不会满足于让无人机遇到妨碍物后傻傻等候（固定翼表示本人一秒钟也无法等候），这就需求设计让无人机平安高效地绕过妨碍物持续完成预定飞行的战略。外表上看，连萨摩耶这种囧傻呆萌的狗狗都晓得后面有座大楼时该怎样绕过来（请自行想象为什么说到狗狗时要强调后方是大楼，而不是一棵树），让无人机绕过妨碍物的战略应该很复杂了，但这其中的门道可多了去了。

　　首先，狗狗很清楚后方大楼的轮廓，因而只需求往边缘走就可以绕过来，但是无人机想取得妨碍物轮廓就很难了，假如避障传感器是普通超声波，无人机就只能晓得后方有妨碍，但是却无从晓得妨碍物的边缘，这就是后面为什么要强调“可以取得妨碍物深度图像”了，关于能取得深度图像的TOF测距和双目视觉测距方式，只需妨碍物没有充溢视场，就总可以找到妨碍物的边缘。举例阐明，下图所示的是无人机的到的深度图像表示图，灰度越深，标明间隔越近，遇到这种状况，很显然的战略就是往左上方飞，即朝向灰度最浅的区域飞行，此时成绩似乎曾经失掉处理。

　　但是别快乐太早，这种战略可以满足大少数使用场景，但是成绩还远没有处理，看上面的左图，一架无人机刚绕从一座矮小修建旁绕过来，然后失掉了如左图的妨碍物深度图像，假如依照后面的战略，一定是要往颜色最前的中央飞行，好那我要是通知你其实右图是无人机和两座悬崖几何关系的仰望图，请你通知我无人时机怎样飞，假如依照前述的战略，这又必将是一场刻骨铭心的事故。

　　也许有人对windows98时代的迷宫屏保还有印象，屏保中，运用不断沿着左侧墙壁和不断沿着右侧墙壁都会最终走出迷宫，这是由于普通迷宫的拓扑构造就是两条平行线两头有一个通道，依照这种思绪，无人机遇到下图这种复杂战略躲不过来的妨碍时，完全可以采取相似的方式，就不断向左或许向右寻觅出路。即假如下面右图的部分场景的完好形状假如如下图所示的话，沿着图中的两条曲线为途径都可以绕过来，假如场景比下图更复杂，绕过来的路可就需求苦苦追随了。

　　虽然关于机器人在未知场景中的避障办法研讨十分多，但是由于终究是未知场景，其中必定有复杂的搜索进程。

　　场景建模和途径搜索

　　再回到狗狗绕过大楼的例子，看下图，假如狗狗左侧右侧的路都走过，而且右侧其实没有那棵树的话，很显然的它下一次绕过这座楼的时分根本上会选择左侧的路（但是当右侧有颗罪恶的树之后，结论似乎有所改动），这是由于它大脑里曾经有了一幅地图，即有了这个场景的模型。

　　无人机也是如此，无论是基于电子地图，还是其他来源，还是SLAM（即时定位与地图构建）取得了场景模型，就可以在机载计算机里用算法去搜索优化的避障途径。以后关于这种已知场景途径规划的研讨很多，算法也是层出不穷（算法太多太复杂，本文暂不展开讨论），也是无人机避障开展的必定趋向。

　　与传统的机器人避障技术研讨相比，以后无人机的避障还处于很初级的阶段，但由于消费级无人机市场的火爆，大家也都在力争上游地展开此类研讨，可以预见，将来的避障时代中，将会有各自各样如今难以想到的办法用于无人机避障，有了这些技术的辅佐，无人机的操作也将越来越平安，越来越复杂。

　　无人机避障技术品种

　　红外避障

　　红外线的使用我们并不生疏：从电视、空调的遥控器，到酒店的自动门，都是应用的红外线的感应原理。而详细到无人机避障上的使用，红外线避障的罕见完成方式就是“三角测量原理”。

　　红外感应器包括红外发射器与CCD检测器，红外线发射器会发射红外线，红外线在物体上会发作反射，反射的光线被CCD检测器接纳之后，由于物体的间隔D不同，反射角度也会不同，不同的反射角度会发生不同的偏移值L，晓得了这些数据再经过计算，就能得出物体的间隔了，如下图所示。

　　超声波避障

　　超声波其实就是声波的一种，由于频率高于20kHz，所以人耳听不见，并且指向性更强。

　　超声波测距的原理比红外线愈加复杂，由于声波遇到妨碍物会反射，而声波的速度已知，所以只需求晓得发射到接纳的工夫差，就能轻松计算出测量间隔，再结合发射器和接纳器的间隔，就能算出妨碍物的实践间隔，如下图所示。

　　超声波测距相比红外测距，价钱愈加廉价，相应的感应速度和精度也逊色一些。异样，由于需求自动发射声波，所以关于太远的妨碍物，精度也会随着声波的衰减而降低，此外，关于海绵等吸收声波的物体或许在微风搅扰的状况下，超声波将无法任务。

　　激光避障

　　激光避障与红外线相似，也是发射激光然后接纳。不过激光传感器的测量方式很多样，有相似红外的三角测量，也有相似于超声波的工夫差+速度。

　　但无论是哪种方式，激光避障的精度、反应速度、抗搅扰才能和无效范围都要分明优于红外和超声波。

　　但这里留意，不论是超声波还是红外、亦或是这里的激光测距，都只是一维传感器，只能给出一个间隔值，并不能完成对理想三维世界的感知。当然，由于激光的波束极窄，可以同时运用多束激光组成阵列雷达，近年来此技术逐步成熟，多用于自动驾驶车辆上，但由于其体积庞大，价钱昂贵，故不太适用于无人机。

　　视觉避障

　　处理机器人如何“看”的成绩，也就是大家常听到的计算机视觉（Computer Vision）。其根底在于如何可以从二维的图像中获取三维信息，从而理解我们身处的这个三维世界。

　　视觉辨认零碎通常来说可以包括一个或两个摄像头。单一的照片只具有二维信息，犹如2D电影，并无直接的空间感，只要靠我们本人依托“物体遮挡、近大远小”等生活经历脑补。故单一的摄像头获取到的信息及其无限，并不能直接失掉我们想要的效果（当然可以经过一些其他手腕，辅佐获取，但是此项还不成熟，并没有大规模验证）。类比到机器视觉中，单个摄像头的图片信息无法获取到场景中每个物体与镜头的间隔关系，即短少第三个维度。

　　如下图所示，单一的图片具有很强的迷惑性和不确定性

　　双目平面视觉犹如3D电影（左右眼看到的场景略有差别），可以直接给人带来激烈的空间临场感。类比机器视觉，从单个摄像头晋级到两个摄像头，即平面视觉（Stereo Vision）可以直接提供第三个维度的信息，即景深（depth），可以更为复杂的获取到三维信息。双目视觉最罕见的例子就是我们的双眼：我们之所以可以精确的拿起面前的杯子、判别汽车的远近，都是由于双眼的双目平面视觉，而3D电影、VR眼镜的创造，也都是双目视觉的使用。

　　双目视觉的根本原理是应用两个平行的摄像头停止拍摄，然后依据两幅图像之间的差别（视差），应用一系列复杂的算法计算出特定点的间隔，当数据足够时还能生成深度图。

　　其实，各个避障技术在无人机上都有用武之地，只是使用场景有所不同，特别关于前视避障而言，有些技术就不适用了。

　　红外和超声波技术，由于都需求自动发射光线、声波，所以关于反射的物体有要求，比方：红外线会被黑色物体吸收，会穿透通明物体，还会被其他红外线搅扰；而超声波会被海绵等物体吸收，也容易被桨叶气流搅扰。

　　而且，自动式测距还会发生两台机器互相搅扰的成绩。相比之下，虽然双目视觉也对光线有要求，但是关于反射物的要求要低很多，两台机器同时运用也不会相互搅扰，普适性更强。

　　最重要的是，罕见的红外和超声波目前都是单点测距，只能取得特定方向上的间隔数据，而双目视觉可以在小体积、低功耗的前提下，取得眼前场景的比拟高分辨率的深度图，这就让避障功用有了更多的开展空间，比方避障之后的智能飞行、途径规划等。

　　激光技术虽然也能完成相似双目视觉的功用，但是受限于技术开展，目前的激光元件普遍价钱贵、体积大、功耗高，使用在消费级无人机上既不经济也不适用。

　　无人机避障完成的难点

　　避障功用从构思到完成，走的每一步简直都便随着有数的难题。仅仅是写出无效的视觉辨认或许地图重构的算法还只是第一步，能让它在无人机这样一个计算才能和功耗都无限制的平台下流畅波动的跑起来，才是真正困难的中央。

　　此外，如何处置功用的边界也是一个成绩，比方双目视觉在视野良好的状况下可以任务，那么当有灰尘遮挡的状况下呢?这就需求不时的实验和试错，并且继续的优化算法，保证各项功用在各类场景下都能正常任务，不会给出错误的指令。

　　避障功用作为近年来无人机产品的大趋向，带来的最直接的益处就是，以往一些人为忽略形成的撞击，如今都能经由避障功用去防止，既保证了无人机飞行平安的同时，也防止了对四周人员财富的损害，让飞无人机的门槛进一步失掉了降低。

　　而久远来看，无人机想要普及到农业、修建、运输、媒体等范畴，「智能化」一定是必经之路。

　　毕竟只要在飞行功用上做到智能控制，才不足量去满足不同行业的需求。如今由“避障功用”而衍生出的一系列“智能飞行”功用，无疑就是“无人机智能化”的阶段性表现之一。

来源：飞机E族，原载地址：http://www.feijizu.com/news/20180513/8331.html欢迎分享本文！