浅析关于无人机是如何实现避障的？

　　无人机在飞行过程中，通过其传感器收集周边环境的信息，测量距离从而做出相对应的动作指令，从而达到「避障」的作用。无人机的避障技术中为常见的是红外线传感器、超声波传感器、激光传感器以及视觉传感器。

　　红外避障：

　　红外线的应用我们并不陌生：从电视、空调的遥控器，到酒店的自动门，都是利用的红外线的感应原理。而具体到无人机避障上的应用，红外线避障的常见实现方式就是「三角测量原理」。

　　红外感应器

　　包含红外发射器与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生反射，反射的光线被CCD检测器接收之后，由于物体的距离D不同，反射角度也会不同，不同的反射角度会产生不同的偏移值L，知道了这些数据再经过计算，就能得出物体的距离了。

　　超声波避障：

　　超声波其实就是声波的一种，因为频率高于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更加简单，因为声波遇到障碍物会反射，而声波的速度已知，所以只需要知道发射到接收的时间差，就能轻松计算出测量距离，再结合发射器和接收器的距离，就能算出障碍物的实际距离。

　　超声波测距相比红外测距，价格更加便宜，相应的感应速度和精度也逊色一些。同样，由于需要主动发射声波，所以对于太远的障碍物，精度也会随着声波的衰减而降低，此外，对于海绵等吸收声波的物体或者在大风干扰的情况下，超声波将无法工作。

　　激光避障：

　　激光避障与红外线类似，也是发射激光然后接收。不过激光传感器的测量方式很多样，有类似红外的三角测量，也有类似于超声波的时间差+速度。

　　但无论是哪种方式，激光避障的精度、反馈速度、抗干扰能力和有效范围都要明显优于红外和超声波。

　　但这里注意，不管是超声波还是红外、亦或是这里的激光测距，都只是一维传感器，只能给出一个距离值，并不能完成对现实三维世界的感知。当然，由于激光的波束极窄，可以同时使用多束激光组成阵列雷达，近年来此技术逐渐成熟，多用于自动驾驶车辆上，但由于其体积庞大，价格昂贵，故不太适用于无人机。

　　视觉避障：

　　解决机器人如何“看”的问题，也就是大家常听到的计算机视觉（Computer Vision）。其基础在于如何能够从二维的图像中获取三维信息，从而了解我们身处的这个三维世界。视觉识别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，只有靠我们自己依靠“物体遮挡、近大远小”等生活经验脑补。故单一的摄像头获取到的信息及其有限，并不能直接得到我们想要的效果（当然能够通过一些其他手段，辅助获取，但是此项还不成熟，并没有大规模验证）。类比到机器视觉中，单个摄像头的信息无法获取到场景中每个物体与镜头的距离关系，即缺少第三个维度。

　　双目立体视觉犹如3D电影（左右眼看到的场景略有差异），能够直接给人带来强烈的空间临场感。类比机器视觉，从单个摄像头升级到两个摄像头，即立体视觉（Stereo   Vision）能够直接提供第三个维度的信息，即景深（depth），能够更为简单的获取到三维信息。双目视觉常见的例子就是我们的双眼：我们之所以能够准确的拿起面前的杯子、判断汽车的远近，都是因为双眼的双目立体视觉，而3D电影、VR眼镜的发明，也都是双目视觉的应用。

　　双目视觉的基本原理是利用两个平行的摄像头进行拍摄，然后根据两幅图像之间的差异（视差），利用一系列复杂的算法计算出特定点的距离，当数据足够时还能生成深度图。

　　红外和超声波技术，因为都需要主动发射光线、声波，所以对于反射的物体有要求，比如：红外线会被黑色物体吸收，会穿透透明物体，还会被其他红外线干扰；而超声波会被海绵等物体吸收，也容易被桨叶气流干扰。

　　而且，主动式测距还会产生两台机器相互干扰的问题。相比之下，虽然双目视觉也对光线有要求，但是对于反射物的要求要低很多，两台机器同时使用也不会互相干扰，普适性更强。

　　重要的是，常见的红外和超声波目前都是单点测距，只能获得特定方向上的距离数据，而双目视觉可以在小体积、低功耗的前提下，获得眼前场景的比较高分辨率的深度图，这就让避障功能有了更多的发展空间，比如避障之后的智能飞行、路径规划等。

　　激光技术虽然也能实现类似双目视觉的功能，但是受限于技术发展，目前的激光元件普遍价格贵、体积大、功耗高，应用在消费级无人机上既不经济也不实用。