无人机编程在同时掌握障碍物的位置和机器自身的位置后就能完整的避障功

值得一提的是，其中下视的双目运用了视觉里程计（VO）的技术。视觉里程计简单来说，就是「通过左右双目的图像，反推出视野中物体的三维位置」，所以相比光流+超声波技术只能简单的测出速度和高度，视觉里程计还能构建地面的三维模型，并通过连续的图像，跟踪自身与环境的相对移动，估计出自身的运动。准确测出自身与地面的相对位置。

虽然视觉里程计的数据处理量是光流法的数倍不止，但正是因为它的引入，使得精灵4和精灵4Pro在无GPS的室内也能对自身位置有清晰的掌控，从而实现稳定的悬停并且不会出现掉高等现象。有了视觉里程计，再结合前后立体视觉的地图重构，无人机就同时掌握了障碍物的位置和机器自身的位置，这时再驱动电机进行绕行就显得易如反掌了，一个完整的避障功能就是这么实现的。

精灵4Pro的五向避障并非各自独立，前后视的双目视觉、下视双目+超声波和左右红外避障共同构成了的FlightAutonomy系统，这个系统赋予了精灵4Pro对三维环境的记忆能力，前后双目+下视双目能够实时对周围的地形进行构建和记录（Mapping），具体而言分为局部地图（Local Mapping）和全局地图（Global Mapping）。局部地图让无人机能够构建并记住周围几十米内的三维环境，从而实现「指点飞行」等功能，因为仅仅知道飞行方向和机身位置肯定是不够的，只有对周围地形变化有记忆能力，才能完成「在指定方向上规划线路并绕行」这样级别的任务。而全局地图则是对整个飞行过程中经过的地形的记录，虽然精度不如局部地图，却能帮助无人机实现「智能返航」等功能：当无人机一不小心飞到了建筑物后面导致遥控信号丢失时，智能返航功能能够让无人机在一分钟内沿原路返航，如果一分钟内不能连上遥控器信号，则会直线返航。这其中对飞行路径周围环境的记忆，就是精灵4Pro智能之处的另一个体现。

实现的难点，避障功能从构思到实现，走的每一步几乎都便随着无数的难题。仅仅是写出有效的视觉识别或者地图重构的算法还只是一步，能让它在无人机这样一个计算能力和功耗都有限制的平台上流畅稳定的跑起来，才是真正困难的地方。特别是在精灵4Pro上，不仅双目视觉的数据量相比精灵4直接翻了一倍，还要保证续航不受影响，这是非常困难的。此外，如何处理功能的边界也是一个问题，比如双目视觉在视线良好的情况下可以工作，那么当有灰尘遮挡的情况下呢？这就需要不断的实验和试错，并且持续的优化算法，保证各项功能在各类场景下都能正常工作，不会给出错误的指令。

「避障功能」作为近年来无人机产品的大趋势，带来的直接的好处就是，以往一些人为疏忽造成的撞击，现在都能经由避障功能去避免，既保障了无人机飞行安全的同时，也避免了对周围人员财产的损害，让飞无人机的门槛进一步得到了降低。而长远来看，无人机想要普及到农业、建筑、运输、媒体等领域，「智能化」肯定是必经之路，毕竟只有在飞行功能上做到智能控制，才有余量去满足不同行业的需求。如今由「避障功能」而衍生出的一系列「智能飞行」功能，无疑就是「无人机智能化」的阶段性体现之一。